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 251 条结果
相关性 | 日期

基于世界模型规划的结构化折纸生成

👍 18

提出神经符号框架Learn2Fold，结合LLM语义规划与图结构世界模型，生成物理有效的折纸折叠序列

Yanjia Huang, Yunuo Chen, Ying Jiang, Jinru Han, Zhengzhong Tu, Yin Yang,... 2026-04-01
世界模型 折纸生成 神经符号AI 程序归纳 约束规划
✅ 已总结
详情 →

Vega：学习用自然语言指令驾驶

👍 6

提出统一视觉-语言-世界-动作模型，实现基于自然语言指令的自动驾驶

Sicheng Zuo, Yuxuan Li, Wenzhao Zheng, Zheng Zhu, Jie Zhou, Jiwen Lu 2026-03-27
世界模型 自动驾驶 自然语言指令 视觉-语言-动作模型 轨迹规划
✅ 已总结
详情 →

运动脉搏：从视觉动力学测量物理帧率

👍 20

提出Visual Chronometer预测视频物理帧率，解决时间尺度幻觉

Xiangbo Gao, Mingyang Wu, Siyuan Yang, Jiongze Yu, Pardis Taghavi, Fangzhou... 2026-03-26
世界模型 帧率估计 时间建模 视觉动力学 视频生成
✅ 已总结
详情 →