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 323 条结果
相关性 | 日期

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 →

流式力控视频生成：STREAMFORCE

👍 1

统一力表示+因果蒸馏实现实时力控流式视频生成

Hanhui Wang, Yiming Xie, Haiwen Feng, Zhaoyang Lv, Shenlong Wang, Huaizu Jiang 2026-06-08
交互式世界模型 力控制 因果自回归 物理仿真 视频生成
✅ 已总结
详情 →

Dream.exe：视频生成模型能否生成可执行的机器人操作？

👍 17

提出首个评估视频生成模型物理可执行性的基准测试框架，通过模拟器中的实际执行成功来衡量模型的物理知识。

Rui Zhao, Kaiming Yang, Jifeng Zhu, Siyang Chen, Ziqi Wang, Weijia Wu, Kevin... 2026-06-05
世界模型 机器人操作 物理可执行性 行为先验 视频生成
✅ 已总结
详情 →

Cosmos 3：面向物理 AI 的全模态世界模型

👍 140

用一个 Mixture-of-Transformers 统一语言/图像/视频/音频/动作的理解与生成

Aditi, Niket Agarwal, Arslan Ali, Jon Allen, Martin Antolini, Adeline... 2026-06-04
Mixture-of-Transformers Physical AI 世界模型 全模态 具身智能
✅ 已总结
详情 →

SVI-Bench：面向战略视频智能的动态微观世界

👍 7

用团队体育作动态微观世界，构建覆盖感知到智能体合成的战略视频智能基准

Yulu Pan, Han Yi, Seongsu Ha, Md Mohaiminul Islam, Benjamin Zhang, Lorenzo... 2026-06-02
体育视频 因果推理 多模态大模型 战略推理 智能体
✅ 已总结
详情 →