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 自监督学习 工具使用 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 RAG 参数高效微调 LoRA 视觉-语言-动作模型 Flow Matching 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 76 条结果
相关性 | 日期

MMAE：大规模多任务音频编辑基准

👍 46

首个通用指令式音频编辑综合评估基准，覆盖7种模态和6级复杂度

Ziyang Ma, Ruiqi Yan, Ruiyang Xu, Jie Fang, Zhikang Niu, Yi-Wen Chao,... 2026-06-08
基准测试 多模态 指令跟随 评估范式 音频编辑
✅ 已总结
详情 →

个人相册视觉问答的个人AI代理

👍 20

提出camroll数据集和分层记忆代理，实现个人相册长程视觉问答

Thao Nguyen, Krishna Kumar Singh, Donghyun Kim, Yong Jae Lee, Yuheng Li 2026-06-05
AI代理 VQA 个人记忆 多模态 长程推理
✅ 已总结
详情 →

基于分组自回归Transformer的统一几何学习

👍 8

统一处理多视图配置、多模态融合、长时程感知和度量尺度的几何感知框架

Haotian Wang, Yusong Huang, Zhaonian Kuang, Hongliang Lu, Xinhu Zheng, Meng... 2026-05-21
3D视觉 Transformer 几何感知 多模态 统一模型
✅ 已总结
详情 →

MathNet：面向数学推理与检索的全球多模态基准

👍 15

构建了跨越47国17语、3万+奥数题的MathNet基准，并首次系统性评测模型在数学等价检索上的能力。

Shaden Alshammari, Kevin Wen, Abrar Zainal, Mark Hamilton, Navid Safaei,... 2026-04-21
向量检索 基准评测 多模态 多语言 数学推理
✅ 已总结
详情 →