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 86 条结果
相关性 | 日期

Intern-S2-Preview：科学智能体基础模型

👍 66

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng,... 2026-08-14
后训练 基础模型 多模态 强化学习 时间序列
✅ 已总结
详情 →

视频 = 世界 + 事件流

👍 21

Wan-Streamer v0.3 将视频分解为世界与事件流，实现通用预训练可迁移的实时音视频交互。

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Cheng Yu,... 2026-07-17
VLA 世界模型 多模态 实时音视觉 流式交互
✅ 已总结
详情 →

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 →