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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 498 条结果
相关性 | 日期

Lip Forcing：用于实时唇形同步的少步自回归扩散模型

👍 36

首个支持实时推理的唇形同步扩散模型，通过分析驱动的蒸馏框架将14B教师压缩为两步自回归学生，实现31 FPS流式生成

Paul Hyunbin Cho, Jinhyuk Jang, SeokYoung Lee, Joungbin Lee, Siyoon Jin,... 2026-06-10
唇形同步 实时推理 扩散模型 模型蒸馏 自回归生成
✅ 已总结
详情 →

视频世界模型的潜在空间记忆

👍 71

在潜在空间直接构建3D记忆，实现高效几何一致的视频生成

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He,... 2026-06-09
3D一致性 世界模型 扩散模型 空间记忆 视频生成
✅ 已总结
详情 →

基于分解视觉代理的直接3D感知物体插入

👍 26

提出DIRECT框架，通过外观-几何-上下文三元引导实现姿态可控的物体插入

Jingbo Gong, Yikai Wang, Yushi Lan, Yuhao Wan, Ziheng Ouyang, Rui Zhao,... 2026-06-08
3D感知图像编辑 姿态控制 扩散模型 条件生成 物体插入
✅ 已总结
详情 →

时间块扩散视觉语言动作模型

👍 2

提出TBD-VLA，结合时间自回归与并行解码的块离散扩散VLA框架。

Sung-Wook Lee, Xuhui Kang, Yen-Ling Kuo 2026-06-08
扩散模型 时间建模 机器人学习 离散令牌 视觉语言动作模型
✅ 已总结
详情 →