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 272 条结果
相关性 | 日期

Motion4Motion：推理时的跨主体动作迁移

👍 4

首个无需训练、无需骨架先验的跨物种视频动作迁移框架

Ling-Hao Chen, Zixin Yin, Duomin Wang, Xianfang Zeng, Gang Yu 2026-07-14
动作迁移 扩散Transformer 注意力控制 视频生成 跨物种动画
✅ 已总结
详情 →

视频生成模型是通用视觉学习器

👍 57

利用预训练视频生成模型构建统一通用的多任务视觉感知框架

Letian Wang, Chuhan Zhang, Rishabh Kabra, Jasper Uijlings, Steven Waslander,... 2026-07-13
多任务学习 扩散模型 视觉-语言对齐 视频生成 通用视觉模型
✅ 已总结
详情 →

Vidu S1：实时交互式视频生成模型

👍 128

支持语音控制的实时交互式数字人物视频生成系统

Jintao Zhang, Kai Jiang, Jintao Chen, Xu Wang, Yang Luo, Yuji Wang, Dechuang... 2026-07-10
多模态学习 实时推理 数字人 视频生成 语音交互
✅ 已总结
详情 →

OpenCoF：通过视频生成学习推理

👍 15

构建OpenCoF-17K数据集，通过多样化时间监督和推理token机制提升视频生成模型的推理能力

Xinyan Chen, Ziyu Guo, Renrui Zhang, Dongzhi Jiang, Hongsheng Li 2026-07-10
Chain-of-Frame Diffusion Transformer 数据集构建 视觉推理 视频生成
✅ 已总结
详情 →

Wan-Streamer v0.2：更高分辨率，相同延迟

👍 35

在保持约200ms延迟的同时将实时音视频交互模型输出分辨率从192×336提升至640×368

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Junjie He,... 2026-07-07
低延迟推理 分布式推理 多模态对话 实时交互 视频生成
✅ 已总结
详情 →

基于表示自编码器的多人交互世界模型

👍 22

首个支持四玩家实时交互的动态环境世界模型，在单张GPU上实现20fps生成且能保持数小时稳定

Anthony Hu, Václav Volhejn, Adrien Ramanana Rahary, Chris Mulder, Aditya... 2026-07-07
世界模型 多智能体建模 扩散模型 游戏模拟 视频生成
✅ 已总结
详情 →