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 329 条结果
相关性 | 日期

VLM3：视觉语言模型是天生的3D学习者

👍 24

通过焦距统一、文本像素引用和数据缩放，标准VLM无需复杂设计即可掌握多样化3D任务

Zhipeng Cai, Zhuang Liu, Yunyang Xiong, Zechun Liu, Vikas Chandra, Yangyang Shi 2026-06-01
3D理解 多视图几何 深度估计 视觉语言模型 计算机视觉
✅ 已总结
详情 →

嵌入模型如何绑定概念？

👍 2

揭示CLIP等嵌入模型概念绑定失败的根本原因：绑定函数的高复杂性阻碍跨模态泛化，而乘积结构可实现系统性泛化。

Arnas Uselis, Darina Koishigarina, Seong Joon Oh 2026-06-01
CLIP 概念绑定 组合泛化 表示几何 视觉语言模型
✅ 已总结
详情 →

从像素到文字——迈向规模化的原生统一视觉模型

👍 74

NEO-ov提出端到端原生视觉语言架构，统一单图/多图/视频/空间智能，在多个基准上超越现有原生模型

Haiwen Diao, Jiahao Wang, Penghao Wu, Yuhao Dong, Yuwei Niu, Yue Zhu,... 2026-05-28
原生架构 多模态理解 空间智能 端到端学习 视觉语言模型
✅ 已总结
详情 →