标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 582 条结果
相关性 | 日期

视觉生成中文本条件化的缩放特性

👍 41

信息量而非长度才是文本-图像的缩放轴：结构化提示预测扩散损失

Zilong Chen, Chaorui Deng, Kunchang Li, Hongyi Yuan, Haoqi Fan 2026-08-03
强化学习微调 扩散模型 提示增强 文本到图像生成 结构化提示
✅ 已总结
详情 →

PhiZero：围绕物理语言构建的物理世界模型

👍 175

从野外视频自监督学习离散'物理语言'，先推理后渲染的物理世界模型。

Shuyao Shang, Yuqi Wang, Ruopeng Gao, Xu Chen, Tieniu Tan, Lue Fan, Zhaoxiang Zhang 2026-07-31
世界模型 扩散模型 物理世界 自监督学习 视觉语言模型
✅ 已总结
详情 →

用频谱先验降低扩散模型的曝光偏差

👍 7

推理时用FFT频谱对齐校正扩散模型曝光偏差，开销仅3-4%

Yuya Kobayashi, Masato Ishii, Yuhta Takida, Takashi Shibuya, Yuki Mitsufuji 2026-07-27
图像生成 扩散模型 无训练引导 曝光偏差 频谱对齐
✅ 已总结
详情 →

GraphVid：交互式图控制视频生成

👍 9

用可编辑的有向交互图取代轨迹控制，冻结视频DiT加LoRA实现多物体可控生成

Vedant Shah, Onkar Susladkar, Tushar Prakash, Kiet Nguyen, Tianjio Yu,... 2026-07-24
参数高效微调 可控视频生成 图神经网络 场景图 扩散模型
✅ 已总结
详情 →