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 81 条结果
相关性 | 日期

PhiZero：围绕物理语言构建的物理世界模型

👍 166

从野外视频自监督学习离散'物理语言'，先推理后渲染的物理世界模型。

Shuyao Shang, Yuqi Wang, Ruopeng Gao, Xu Chen, Tieniu Tan, Lue Fan, Zhaoxiang Zhang 2026-07-31
世界模型 扩散模型 物理世界 自监督学习 视觉语言模型
✅ 已总结
详情 →

从视频中自监督学习结构化动态表示

👍 18

在冻结图像骨干特征上学习主/残差结构化运动 token，自监督分离相机与物体动态

Lukas Knobel, Andrew Zisserman, Yuki M. Asano 2026-07-24
冻结骨干 自监督学习 视觉Transformer 视频表示学习 运动分解
✅ 已总结
详情 →

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 →

通过音韵激活映射进行音素分割与识别

👍 8

利用自监督语音模型的音韵特征向量，无需梯度下降即可实现音素分割和识别

Shikhar Bharadwaj, Kwanghee Choi, Stephen McIntosh, Chin-Jou Li, Eunjung... 2026-07-13
低资源学习 自监督学习 语音识别 音素分割 音韵学
✅ 已总结
详情 →

TESSERA v2：扩展像素级地球基础模型

👍 2

395次实验揭示地球观测模型缩放规律，蒸馏出高效嵌入产品

Zhengpeng Feng, Sadiq Jaffer, Ira Shokar, Jovana Knezevic, Mark Elvers,... 2026-07-09
MATRYOSHKA嵌入 地球观测 知识蒸馏 缩放定律 自监督学习
✅ 已总结
详情 →

面向密集空间感知的视觉预训练

👍 42

提出边界中心的自监督视觉预训练框架，通过强制掩码边界建模实现强空间理解能力

Zelin Fu, Bin Tan, Changjiang Sun, Shaohui Liu, Kecheng Zheng, Yinghao Xu,... 2026-07-07
密集预测 深度估计 自监督学习 视觉预训练 边界检测
✅ 已总结
详情 →

面向音节切分的说话人解耦分块回归

👍 3

通过说话者解耦的分块回归实现高质量音节标记化，提升语音语言模型性能

Ryota Komatsu, Kota Kawakita, Takuma Okamoto, Takahiro Shinozaki 2026-07-07
自监督学习 语音标记化 语音语言模型 说话者解耦 音节发现
✅ 已总结
详情 →