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 272 条结果
相关性 | 日期

重新思考多模态思维链的Token级策略优化

👍 26

PEPO：通过视觉感知与探索耦合的token级优势估计优化多模态推理

Yunheng Li, Hangyi Kuang, Hengrui Zhang, Jiangxia Cao, Zhaojie Liu, Qibin... 2026-03-25
多模态大模型 强化学习 推理优化 策略梯度 视觉语言模型
✅ 已总结
详情 →

千帆OCR：统一的端到端文档智能模型

👍 155

4B参数端到端文档智能模型，通过Layout-as-Thought实现布局分析与文本理解统一

Daxiang Dong, Mingming Zheng, Dong Xu, Chunhua Luo, Bairong Zhuang, Yuxuan... 2026-03-18
OCR 布局分析 文档智能 端到端学习 视觉语言模型
✅ 已总结
详情 →

全景图像中的功能预测研究

👍 10

首次探索全景功能预测任务，提出PAP-12K数据集和模拟人眼中央凹视觉的PAP框架

Zixin Zhang, Chenfei Liao, Hongfei Zhang, Harold Haodong Chen, Kanghao Chen,... 2026-03-17
全景视觉 具身智能 功能预测 视觉语言模型 计算机视觉
✅ 已总结
详情 →