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 409 条结果
相关性 | 日期

基于点跟踪的视频合成与运动控制

👍 4

通过参考图像锚定的点跟踪统一实现视频外观和运动控制

Koichi Namekata, Yash Kant, Zhizheng Liu, Ryan D Burgert, Yuancheng Xu, Kuan... 2026-06-23
扩散模型 点跟踪 视频合成 视频生成 运动控制
✅ 已总结
详情 →

当前世界模型缺乏持久状态核心

👍 18

现有视频世界模型无法在相机离开视野后维持世界状态的连续演化

Jinpeng Lu, Dexu Zhu, Haoyuan Shi, Linghan Cai, Guo Tang, Yinda Chen, Jie... 2026-06-19
世界模型 动态世界状态 状态持久性 视角干预 视频生成
✅ 已总结
详情 →

MolmoMotion：基于语言指令的三维点轨迹预测方法研究

👍 53

提出语言引导的三维物体点轨迹预测方法，构建百万级数据集和基准，显著超越现有运动预测方法

Jianing Zhang, Chenhao Zheng, Yajun Yang, Max Argus, Rustin Soraki, Winson... 2026-06-18
三维运动预测 机器人控制 视觉语言模型 视频生成 轨迹预测
✅ 已总结
详情 →

Kairos：面向物理AI的原生世界模型框架

👍 41

首个原生面向物理AI的世界模型，跨具身课程+混合线性时序记忆

Kairos Team, Fei Wang, Shan You, Qiming Zhang, Tao Huang, Zuoyi Fu, Zhisheng... 2026-06-18
世界模型 扩散模型 机器人控制 物理AI 线性注意力
✅ 已总结
详情 →

MaineCoon：追求实时视听社交世界模型

👍 12

首个单GPU实时运行22B参数的视听自回归生成模型，支持亚秒级交互和千秒级长时生成

Lichen Bai, Tianhao Zhang, Shitong Shao, Dingwei Tan, Qiyu Zhong, Zhengpeng... 2026-06-18
多模态生成 实时生成 社交世界模型 自回归模型 视频生成
✅ 已总结
详情 →

DreamX-World 1.0：通用交互式世界模型

👍 57

支持相机导航、场景记忆和可组合事件控制的通用世界模型

DreamX Team, Yancheng Bai, Rui Chen, Xiangxiang Chu, Rujing Dang, Hao Dou,... 2026-06-16
世界模型 交互式生成 相机控制 自回归生成 视频生成
✅ 已总结
详情 →