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 69 条结果
相关性 | 日期

面向语言智能的可扩展视觉预训练

👍 49

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

👍 4

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 →

MuSViT：乐谱表示的基础视觉模型

👍 7

首个通过MAE在970万页IMSLP乐谱上预训练的ViT基础模型

Carlos Penarrubia, Antonio Rios-Vila, Eliseo Fuentes-Martinez, Juan C.... 2026-07-01
乐谱识别 掩码图像建模 自监督学习 视觉Transformer 计算机视觉
✅ 已总结
详情 →

智能体模型的批判性分析与GIC架构

👍 21

区分工具型与内禀型系统，提出基于分层目标、演化身份和自调节的GIC架构

Eric Xing, Mingkai Deng, Jinyu Hou 2026-06-24
世界模型 分层规划 强化学习 智能体架构 自监督学习
✅ 已总结
详情 →

视频对象中心学习的选择性协同学习

👍 4

通过选择性协同学习解决视频对象分解中的编码器-解码器不匹配问题，提升性能并降低计算复杂度

WonJun Moon, Jae-Pil Heo 2026-06-19
对象中心学习 深度学习 自监督学习 视频理解
✅ 已总结
详情 →

自进化视觉提问者

👍 15

让VLM无需外部监督，通过自我迭代学会主动提问并持续进化。

Yijun Liang, Hengguang Zhou, Ming Li, Lichen Li, Cho-Jui Hsieh, Tianyi Zhou 2026-06-17
自监督学习 自训练 视觉提问生成 视觉语言模型
✅ 已总结
详情 →