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

Flash-WAM：模态感知的世界动作模型蒸馏

👍 7

通过模态感知的一致性蒸馏，将世界动作模型的推理延迟从8.1秒降至348毫秒，实现23倍加速

Arman Akbari, Ci Zhang, Arash Akbari, Lin Zhao, Yixiao Chen, Weiwei Chen,... 2026-06-05
世界模型 实时控制 扩散模型 机器人 知识蒸馏
✅ 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 →

表示强制：无瓶颈统一多模态模型

👍 63

通过预测理解表示来指导像素空间生成，消除VAE瓶颈

Yuqing Wang, Zhijie Lin, Ceyuan Yang, Yang Zhao, Fei Xiao, Hao He, Qi Zhao,... 2026-06-01
图像生成 多模态学习 扩散模型 端到端训练
✅ 已总结
详情 →

使用测试时训练线性化视觉Transformer

👍 20

通过TTT架构实现Softmax Transformer到线性复杂度的快速转换

Yining Li, Dongchen Han, Zeyu Liu, Hanyi Wang, Yulin Wang, Gao Huang 2026-06-01
Transformer优化 扩散模型 模型压缩 测试时训练 线性注意力
✅ 已总结
详情 →

HL-OutPaint：面向高分辨率长视频的粗到细视频外扩方法

👍 15

提出两阶段粗到细框架，通过全局粗略引导和全局-局部帧交换机制，实现高分辨率长序列视频的时空一致外扩。

Jeongeun Park, Janghyeok Han, Geonung Kim, Hyun-Seung Lee, Kyuha Choi,... 2026-06-01
扩散模型 时空一致性 视频外扩 长序列生成 高分辨率视频
✅ 已总结
详情 →

用于生成的原生音频-视频对齐

👍 33

提出NAVA框架，通过原生音频-视频对齐实现高质量联合音视频生成

Longbin Ji, Guan Wang, Xuan Wei, Chenye Yang, Xiangrui Liu, Zhenyu Zhang,... 2026-05-29
MMDiT 多模态学习 扩散模型 音色控制 音视频生成
✅ 已总结
详情 →

彩色噪声扩散采样

👍 25

利用扩散模型频谱偏差，通过动态彩色噪声注入显著提升生成质量的无训练采样方法

Hadar Davidson, Noam Issachar, Sagie Benaim 2026-05-29
SDE求解器 扩散模型 采样算法 频谱偏差
✅ 已总结
详情 →