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 323 条结果
相关性 | 日期

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 →

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 →

看见快与慢：学习视频中的时间流

👍 19

把时间做成可学习概念，教会模型感知并按指定播放速度生成视频

Yen-Siang Wu, Rundong Luo, Jingsen Zhu, Tao Tu, Ali Farhadi, Matthew... 2026-04-24
慢动作数据集 扩散模型 时间建模 自监督学习 视频理解
✅ 已总结
详情 →

Seedance 2.0：面向世界复杂性的视频生成进阶

👍 168

ByteDance Seed 团队发布的多模态音视频联合生成模型，在 T2V/I2V/R2V 三大任务六维评测中全面领先 Sora 2 Pro、Veo 3.1、Kling 3.0。

Team Seedance, De Chen, Liyang Chen, Xin Chen, Ying Chen, Zhuo Chen, Zhuowei... 2026-04-16
可控生成 图生视频 多模态生成 扩散模型 文生视频
✅ 已总结
详情 →

Lyra 2.0：可探索的生成式三维世界

👍 41

单图生成长时3D一致视频并重建可交互3D场景

Tianchang Shen, Sherwin Bahmani, Kai He, Sangeetha Grama Srinivasan, Tianshi... 2026-04-15
3D Gaussian Splatting 三维重建 扩散模型 视频生成 长时一致性
✅ 已总结
详情 →

ELT：面向视觉生成的弹性循环 Transformer

👍 24

循环Transformer+环内自蒸馏，单次训练实现任意时间推理，参数减少4倍。

Sahil Goyal, Swayam Agrawal, Gautham Govind Anil, Prateek Jain, Sujoy Paul,... 2026-04-13
参数高效 图像生成 循环Transformer 扩散模型 视频生成
✅ 已总结
详情 →