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 365 条结果
相关性 | 日期

AlayaWorld：交互式长时程视频世界模型

👍 62

基于15B扩散Transformer的交互式长时程世界模型，蒸馏至4步实现低延迟生成

AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge,... 2026-07-22
3D记忆 世界模型 扩散Transformer 自回归生成 蒸馏加速
✅ 已总结
详情 →

视频 = 世界 + 事件流

👍 22

Wan-Streamer v0.3 将视频分解为世界与事件流，实现通用预训练可迁移的实时音视频交互。

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Cheng Yu,... 2026-07-17
VLA 世界模型 多模态 实时音视觉 流式交互
✅ 已总结
详情 →

面向多步视觉推理的层级去噪框架 HDR

👍 7

用树状层级潜变量实现粗到细推理，兼顾多步规划与低延迟流式生成。

Zezhong Qian, Xiaowei Chi, Chak-Wing Mak, Tianze Zhou, Ruibin Yuan, Yuhan... 2026-07-17
Flow Matching 世界模型 多步视觉推理 层级去噪 机器人
✅ 已总结
详情 →

PanoWorld：真实世界全景视频生成

👍 11

基于旋转等变性的全景世界模型，实现高质量可控全景视频生成

Haoyuan Li, Dizhe Zhang, Yuemei Zhou, Xiangkai Zhang, Haoran Feng, Xiaofan... 2026-07-13
3D场景建模 世界模型 全景视频生成 记忆机制 轨迹控制
✅ 已总结
详情 →