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 144 条结果
相关性 | 日期

FantasyVLN：用于视觉语言导航的统一多模态思维链推理

👍 22

通过隐式多模态思维链推理实现视觉语言导航，训练时用思维链、推理时无需显式生成，兼顾推理能力与实时性

Jing Zuo, Lingzhou Mu, Fan Jiang, Chengcheng Ma, Mu Xu, Yonggang Qi 2026-01-21
具身智能 多模态学习 思维链推理 视觉自回归模型 视觉语言导航
✅ 已总结
详情 →

UniCorn：通过自生成监督实现统一多模态模型的自我改进

👍 51

提出无需外部数据的自我改进框架，通过Proposer-Solver-Judge三角色对弈解决统一多模态模型理解能力强但生成能力弱的问题

Ruiyan Han, Zhen Fang, XinYu Sun, Yuchen Ma, Ziheng Wang, Yu Zeng, Zehui... 2026-01-07
多模态学习 文本到图像生成 统一模型 自我对弈 自我改进
✅ 已总结
详情 →