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 102 条结果
相关性 | 日期

MoTE：面向多任务视频理解的混合任务专家

👍 3

把LLM前馈层改造成任务专家，任务级路由让1B模型超越8B基线且可即插即拔增删任务。

Muhammad Asad Ali, Umar Khan, Nadia Robertini, Didier Stricker 2026-08-26
多任务学习 多模态大模型 模块化架构 混合专家 视频理解
✅ 已总结
详情 →

面向开放视频流的实体导向多模态记忆系统

👍 28

实体导向的多模态长期记忆系统，感知流并围绕实体组织记忆，六项基准全部最优

Xiaokang Ma, Yifan Sun, Zhihong Jin, Jie Gu, Yudong Luo, Shenyi Shao, Chu... 2026-07-21
多模态记忆 实体识别 流式感知 视频理解 长期记忆
✅ 已总结
详情 →

Video-Oasis：重新审视视频理解评估

👍 61

提出诊断套件审核基准测试，发现55%样本存在捷径，暴露Video-LLM真正差距

Geuntaek Lim, Sungjune Park, Jaeyun Lee, Inwoong Lee, Taeoh Kim, Dongyoon... 2026-07-10
Video-LLM 基准测试审核 时空推理 视频理解 评估方法
✅ 已总结
详情 →

缓解零样本组合动作识别中的物体驱动捷径

👍 50

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 →