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 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 工具使用 自监督学习 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 Flow Matching RAG 参数高效微调 LoRA 视觉-语言-动作模型 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 454 条结果
相关性 | 日期

扩散模型作为通用分割学习器

👍 4

把预训练扩散模型改造为统一的语义/开放词汇/跨域分割框架

Haoxiao Wang, Antao Xiang, Haiyang Sun, Peilin Sun, Changhao Pan, Yifu Chen,... 2026-05-07
CLIP Stable Diffusion 图像分割 开放词汇 扩散模型
✅ 已总结
详情 →

基于预测式潜空间的视频生成

👍 25

提出预测式视频VAE，丢弃未来帧使潜空间捕获运动先验，提升34.42 FVD并加速收敛52%

Yian Zhao, Feng Wang, Qiushan Guo, Chang Liu, Xiangyang Ji, Jian Zhang, Jie Chen 2026-05-06
变分自编码器 扩散模型 潜空间设计 视频生成 预测学习
✅ 已总结
详情 →

ComboStoc：面向扩散生成模型的组合随机性

👍 13

把扩散时间步张量化，全采样组合空间，加速训练并解锁分级控制推理。

Rui Xu, Jiepeng Wang, Hao Pan, Yang Liu, Xin Tong, Shiqing Xin, Changhe Tu,... 2026-05-05
3D形状生成 分级控制 图像生成 扩散模型 时间步调度
✅ 已总结
详情 →

扩散模型何时才能学会生成多物体？

👍 9

用受控MOSAIC数据集揭示扩散模型多物体失败的根源：场景复杂度与组合泛化

Yujin Jeong, Arnas Uselis, Iro Laina, Seong Joon Oh, Anna Rohrbach 2026-05-04
多物体生成 扩散模型 数据诊断 组合泛化 计数与空间关系
✅ 已总结
详情 →

ViPO：规模化视觉偏好优化

👍 3

提出 Poly-DPO 算法并构建百万级视觉偏好数据集，解决偏好优化难以规模化的问题

Ming Li, Jie Wu, Justin Cui, Xiaojie Li, Rui Wang, Chen Chen 2026-05-01
偏好优化 扩散模型 数据集构建 文生图 文生视频
✅ 已总结
详情 →

探查图像编辑模型中的视觉规划能力

👍 2

把视觉规划重构为单步图像编辑任务EAR，配合AMAZE基准系统评估前沿模型的推理能力。

Zhimu Zhou, Yanpeng Zhao, Qiuyu Liao, Bo Zhao, Xiaojian Ma 2026-04-30
图像编辑 基准测试 扩散模型 空间推理 视觉规划
✅ 已总结
详情 →

面向视频生成的系统化后训练框架

👍 2

四阶段流水线（SFT+GRPO+提示增强+自回归蒸馏）弥合视频扩散模型预训练与部署差距。

Zeyue Xue, Siming Fu, Jie Huang, Shuai Lu, Haoran Li, Yijun Liu, Yuming Li,... 2026-04-29
GRPO RLHF 后训练 扩散模型 自回归蒸馏
✅ 已总结
详情 →

IAM：身份感知的动作与体型联合生成框架

👍 2

IAM 框架：联合生成身份相符的人体动作与 SMPL 体型参数

Wenqi Jia, Zekun Li, Abhay Mittal, Chengcheng Tang, Chuan Guo, Lezi Wang,... 2026-04-29
SMPL 体型建模 多模态条件 扩散模型 文本驱动动作合成 身份感知动作生成
✅ 已总结
详情 →