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

Helix4D：复杂动态 4D 网格生成

👍 14

将图像生成3D的Trellis2扩展为视频驱动的4D动态网格生成

Jiraphon Yenphraphai, Jianqi Chen, Jian Wang, Gordon Qian, Sergey Tulyakov,... 2026-05-26
4D生成 RoPE位置编码 动态网格 扩散模型 视频到3D
✅ 已总结
详情 →

Lens: 重新思考基础文生图模型的训练效率

👍 111

3.8B参数文生图模型，仅用Z-Image约19.3%算力即可在多个基准上追平甚至超越6B+模型。

Dong Chen, Fangyun Wei, Ziyu Wan, Dongdong Chen, Jiawei Zhang, Jinjing Zhao,... 2026-05-25
Reasoner 强化学习后训练 扩散模型 数据信息密度 文生图
✅ 已总结
详情 →

PiD：用像素扩散实现快速高分辨率潜变量解码

👍 46

PiD把潜变量解码重定义为像素扩散，统一解码与超分，4步蒸馏即可秒级生成4K图像。

Yifan Lu, Qi Wu, Jay Zhangjie Wu, Zian Wang, Huan Ling, Sanja Fidler, Xuanchi Ren 2026-05-25
像素空间生成 扩散模型 模型蒸馏 潜变量解码 超分辨率
✅ 已总结
详情 →

ETCHR：用编辑来澄清和驾驭视觉推理

👍 13

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →

Bernini：面向视频扩散的潜空间语义规划

👍 20

用MLLM在自身ViT嵌入空间做语义规划，解耦理解与扩散渲染，统一视频生成与编辑。

Bernini Team, Chenchen Liu, Junyi Chen, Lei Li, Lu Chi, Mingzhen Sun,... 2026-05-22
多模态大模型 扩散模型 统一框架 视频生成 视频编辑
✅ 已总结
详情 →