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 313 条结果
相关性 | 日期

TimeLens2：基于多模态大模型的通用视频时序定位

👍 100

把时序证据当区间集，从数据验证到 Wasserstein 奖励全程对齐，小模型全面超越超大模型。

Yuhan Zhu, Changlian Ma, Xiangyu Zeng, Xinhao Li, Zhiqiu Zhang, Songze Li,... 2026-07-21
Wasserstein距离 合成数据验证 多模态大模型 强化学习奖励设计 视频时序定位
✅ 已总结
详情 →

OvisOCR2 技术报告：0.8B 端到端文档解析模型

👍 51

0.8B端到端文档解析模型，靠数据引擎+多组件RL奖励+策略蒸馏刷新多项OCR榜单

Shiyin Lu, Yinglun Li, Yu Xia, Yuhui Chen, An-Yang Ji, Jun-Peng Jiang,... 2026-07-16
OCR 多模态大模型 强化学习 文档解析 知识蒸馏
✅ 已总结
详情 →

逐 Token 关注多模态生成过程

👍 9

系统刻画MLLM生成时逐token注意力动态，并用注意力阻断与增强干预验证因果并提升性能

Varun Gupta, Vineet Gandhi, Makarand Tapaswi 2026-07-08
多模态大模型 机制可解释性 注意力干预 注意力机制 自回归生成
✅ 已总结
详情 →

感知到推理：细粒度视觉推理中感知与推理的解耦

👍 17

提出P2R框架，将细粒度视觉推理解耦为感知定位和推理回答两个阶段，仅需最终答案监督

Hongxing Li, Xiufeng Huang, Dingming Li, Wenjing Jiang, Zixuan Wang, Haolei... 2026-07-02
多模态大模型 强化学习 感知推理解耦 细粒度视觉理解 视觉推理
✅ 已总结
详情 →