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 409 条结果
相关性 | 日期

Hydra-0：面向通用世界建模与控制的动作流

👍 8

以像素级动作流为共享接口，统一跨本体世界建模、开环策略评估与逆向机器人控制

Hongyu Li, Bowen Wen, Xinghao Zhu, Yixuan Wang, Yilun Du, Yunzhu Li, George... 2026-08-24
世界模型 扩散模型 机器人操控 策略评估 视频生成
✅ 已总结
详情 →

V-RAE：为生成重新思考视频潜在空间

👍 29

以冻结视觉基础模型特征构建语义潜空间，视频重建与生成双优、收敛快至6倍

Minghui Guo, Shengqiong Wu, Hao Fei 2026-08-19
扩散模型 潜在空间 表征学习 视频生成 视频自编码器
✅ 已总结
详情 →

HarnessEval-W：用智能体流水线评测视觉世界

👍 68

分层智能体评测流水线把世界模型评分变成可审计的证据树，判断与人类高度一致

Weiliang Chen, Haowen Sun, Jun Gao, Jiawei Chi, Hanyang Wang, Qiyu Dai,... 2026-08-18
VLM-as-Judge 世界模型 可解释性 智能体评测 视频生成
✅ 已总结
详情 →

AVA-Encoder：迈向智能体原生视频表示学习

👍 30

把电影编码为可编辑的电影知识图谱，用重构残差驱动双环文本梯度自进化

Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li,... 2026-08-14
文本梯度优化 智能体 知识图谱 视频生成 视频表示学习
✅ 已总结
详情 →

UniSwap：说话视频的流式音视频联合身份替换

👍 14

首个流式音视频联合身份替换框架：单一扩散模型同步换脸换声，3步采样13.6 FPS

Yuxuan Zhang, Haozhong Xiong, Jiayi Song, Jinpeng Yu, Yang Shi, Jiaming Liu,... 2026-08-14
LoRA 扩散模型蒸馏 流式自回归生成 视频生成 语音转换
✅ 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 →

Flux-OPD：用演化上下文做在线策略蒸馏

👍 46

通过反向KL分解，把演化上下文作为在线监督信号注入蒸馏目标。

Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang,... 2026-07-31
上下文蒸馏 医学问答 反向KL分解 在线策略蒸馏 大语言模型
✅ 已总结
详情 →