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 498 条结果
相关性 | 日期

Hydra-0：面向通用世界建模与控制的动作流

👍 8

以像素级动作流为共享接口，统一跨本体世界建模、开环策略评估与逆向机器人控制

Hongyu Li, Bowen Wen, Xinghao Zhu, Yixuan Wang, Yilun Du, Yunzhu Li, George... 2026-08-24
世界模型 扩散模型 机器人操控 策略评估 视频生成
✅ 已总结
详情 →

V-RAE：为生成重新思考视频潜在空间

👍 29

以冻结视觉基础模型特征构建语义潜空间，视频重建与生成双优、收敛快至6倍

Minghui Guo, Shengqiong Wu, Hao Fei 2026-08-19
扩散模型 潜在空间 表征学习 视频生成 视频自编码器
✅ 已总结
详情 →

Abra：扩散图像训练的规模化定律研究

👍 10

扩散文生图模型需约200图像token/参数才达计算最优，是LLM的10倍，且过训练几乎无代价。

Kyle Chickering, Wei-An Lin, Swayam Bhanded, Dan Saunders, Akshat Tripathi,... 2026-08-19
DiT 扩散模型 文生图 流匹配 缩放定律
✅ 已总结
详情 →

像素空间文生图扩散模型训练的实证研究

👍 31

潜空间预训练再迁移像素空间后训练的实证配方，质量持平潜空间模型且推理快3.18–4.75倍

Dengyang Jiang, Ruoyi Du, Zhennan Chen, Dongyang Liu, Zanyi Wang, Mingzhe... 2026-08-18
像素空间生成 实证研究 扩散模型 文生图 步数蒸馏
✅ 已总结
详情 →