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 144 条结果
相关性 | 日期

面向语言智能的可扩展视觉预训练

👍 55

视觉预训练比文本预训练更高效，用25%token预算提升科学推理性能

Yiming Zhang, Zhonghan Zhao, Wenwei Zhang, Haiteng Zhao, Tianyang Lin,... 2026-07-13
基础模型 多模态学习 科学推理 自监督学习 视觉预训练
✅ 已总结
详情 →

Vidu S1：实时交互式视频生成模型

👍 134

支持语音控制的实时交互式数字人物视频生成系统

Jintao Zhang, Kai Jiang, Jintao Chen, Xu Wang, Yang Luo, Yuji Wang, Dechuang... 2026-07-10
多模态学习 实时推理 数字人 视频生成 语音交互
✅ 已总结
详情 →

视觉即统一多模态生成

👍 45

统一多模态生成框架实现异构视觉任务

Xiaoyang Han, Jianhua Li, Kewang Deng, Zukai Chen, Xuanke Shi, Sihan Wang,... 2026-07-08
基础模型 多模态学习 统一视觉模型 视觉生成
✅ 已总结
详情 →

面向全模态密集视频描述的并行自回归解码

👍 25

通过潜在全局规划和事件因子化注意力，实现无损并行自回归视频描述解码

Wenzheng Zeng, Siyi Jiao, Chen Gao, Hwee Tou Ng, Mike Zheng Shou 2026-07-08
事件定位 多模态学习 密集视频描述 并行解码 自回归模型
✅ 已总结
详情 →

从基础模型到实际应用：在实践中改进VLA模型

👍 18

通过大规模数据扩展、动作空间增强和预测动态建模改进VLA模型的实际部署能力

Wei Wu, Fangjing Wang, Fan Lu, He Sun, Shi Liu, Yunnan Wang, Yibin Yan, Yong... 2026-07-08
VLA模型 基础模型 多模态学习 机器人控制 移动操作
✅ 已总结
详情 →

虎鲸：世界在您心中

👍 312

统一世界基础模型，从多模态信号学习世界潜在空间

Yihao Wang, Yuheng Ji, Mingyu Cao, Yanqing Shen, Runze Xiao, Huaihai Lyu,... 2026-07-01
世界模型 具身智能 多模态学习 状态预测
✅ 已总结
详情 →

交错语音语言模型在文本潜空间中工作

👍 13

研究发现交错语音语言模型未经转录训练却在中间层隐式地进行语音转录和文本推理

Talia Sternberg, Gallil Maimon, Yossi Adi 2026-06-30
多模态学习 机制可解释性 语音语言模型 隐式转录
✅ 已总结
详情 →

CogniRoute：全模态模型中的社交证据路由学习

👍 4

提出模式引导的MoE框架，让全模态模型学会使用正确的多模态证据进行社交推理

Yifan Shen, Pei Tian, Xinzhuo Li, Bowen Fang, Shujun Xia, Bingxuan Li, Ana... 2026-06-29
多模态学习 混合专家 社交推理 视频问答 路由机制
✅ 已总结
详情 →

后训练如何塑造生物推理模型

👍 3

研究后训练阶段对生物推理模型泛化的不同影响

Lukas Fesser, Hanlin Zhang, Michelle M. Li, Eric Wang, Bryan Perozzi,... 2026-06-26
后训练 多模态学习 强化学习 泛化能力 生物推理
✅ 已总结
详情 →