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 96 条结果
相关性 | 日期

Gemma 4 技术报告

👍 62

Gemma 4：具备思维模式的原生多模态开放模型家族，在推理和多模态理解上实现显著性能提升

Gemma Team, Sherif El Abd, Vaibhav Aggarwal, Robin Algayres, Alek Andreev,... 2026-07-08
MoE架构 多模态大语言模型 开放权重模型 思维模式 量化感知训练
✅ 已总结
详情 →

不牺牲文本智能的统一音频智能模型

👍 18

在保持文本LLM核心推理能力不退化的前提下，实现统一的音频理解与生成。

Zhifeng Kong, Sang-gil Lee, Jaehyeon Kim, Boxin Wang, Zihan Liu, Sungwon... 2026-07-07
MoE架构 多模态大语言模型 语音识别 音频理解 音频生成
✅ 已总结
详情 →

基于非对称互变分学习的多模态连续推理

👍 27

通过双向KL校准解决变分推理中的训练-推理不匹配，实现高效多模态连续推理

Shijie Li, Yilin Gao, Siyuan Yang, Tieyuan Chen, Chaofan Gan, Zhihao He,... 2026-07-02
变分推断 多模态大语言模型 潜在推理 训练-推理不匹配 连续推理
✅ 已总结
详情 →

基于多模态扩散语言模型的并行区域感知框架

👍 64

利用扩散语言模型的并行解码特性，实现单次前向传播同时描述多个图像区域

Yueyi Sun, Yuhao Wang, Jason Li, Ye Tian, Tao Zhang, Jacky Mai, Yihan Wang,... 2026-06-22
区域感知 多模态大语言模型 并行生成 扩散语言模型 细粒度视觉理解
✅ 已总结
详情 →

推理再推理：跨视角重访提升空间推理能力

👍 30

提出一种推理-再推理的两阶段框架，通过合成新视角视频验证初始假设，提升第一人称视频空间推理精度。

Chaofan Ma, Zhenjie Mao, Yuhuan Yang, Fanqin Zeng, Yue Shi, Yingjie Zhou,... 2026-06-11
3D几何 多模态大语言模型 空间推理 视频理解 跨视角验证
✅ 已总结
详情 →