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 49 条结果
相关性 | 日期

缓解零样本组合动作识别中的物体驱动捷径

👍 48

通过共现先验正则化和时间顺序正则化缓解ZS-CAR中的物体驱动捷径

Geo Ahn, Inwoong Lee, Taeoh Kim, Minho Shim, Dongyoon Wee, Jinwoo Choi 2026-07-10
快捷径学习 组合动作识别 视觉-语言模型 视频理解 零样本学习
✅ 已总结
详情 →

AFUN：迈向功能理解的可供性基础模型

👍 8

AFUN 单次前向联合预测功能性掩码与3D贝塞尔运动曲线，迈向开放世界机器人操作。

Zhaoning Wang, Yi Zhong, Jiawei Fu, Henrik I. Christensen, Jun Gao 2026-06-02
RGB-D感知 分割基础模型 可供性理解 机器人操作 视觉-语言模型
✅ 已总结
详情 →

生成式监督助力具身智能

👍 32

将深度图生成融入VLM预训练，提升空间推理与物理操作能力

Ruowen Zhao, Bangguo Li, Zuyan Liu, Yinan Liang, Junliang Ye, Fangfu Liu,... 2026-05-28
VLA 具身智能 机器人操作 深度预测 视觉-语言模型
✅ 已总结
详情 →