论文专题
2026
39
- 论文专题讲解：MiniMax H3：统一任务与模态的视频生成模型
- 论文专题讲解：WA-SpecDec：让 Draft 与 Target 共享物理场景表征
- 论文专题讲解：Realtime-VLA FLASH：用并行 Flow 验证减少完整 VLA 重规划
- 论文专题讲解：OpenWAM：把 World–Action Model 变成可控的研究程序
- 论文专题讲解：TBSM：用三体散射把分布距离变成一步监督
- 论文专题讲解：Drifting：把生成分布的迭代搬到训练阶段
- 论文专题讲解：RDM：用表征分布匹配训练一步视觉生成器
- 论文专题讲解：REPA：把扩散模型隐式学习表征的负担变成显式监督
- 论文专题讲解：Z-Image-Pixel：像素扩散更适合 post-training，而不是 pre-training
- 论文专题讲解：RISE：用组合式世界模型做机器人想象强化学习
- 论文专题讲解：PixelDiT：无 VAE 的像素空间 DiT
- 论文专题讲解：LingBot-VA 2.0：原生视频-动作预训练
- 论文专题讲解：LongLive-2.0：NVFP4 长视频生成基础设施
- 论文专题讲解：DeltaQuant：视频扩散的 4-bit core-delta 量化
- 论文专题讲解：RoboDojo：把仿真诊断与真实部署放进同一张成绩单
- 论文专题讲解：CPS：Flow-RL 中的系数保持采样
- 论文专题讲解：GenCeption：视频生成模型如何成为通用视觉学习器
- 论文专题讲解：DM0.5：开放世界具身基础模型
- 论文专题讲解：LongCat-Video：长视频生成、GRPO 与高效推理
- 论文专题讲解：MuZero：只预测对规划有用的世界模型
- 论文专题讲解：Cosmos 3：面向 Physical AI 的全模态世界模型平台
- 论文专题讲解：Qwen-RobotManip：先对齐再扩规模的机器人操作基础模型
- 论文专题讲解：Motus：把 latent action、世界模型和 VLA 合到一个生成框架
- 论文专题讲解：VGGT-Ω：几何重建怎样变成具身空间表征
- 论文专题讲解：Fast-WAM：WAM 一定要推理时想象未来吗
- 论文专题讲解：D4RT：动态场景的 4D 重建与跟踪
- 论文专题讲解：kai0：资源受限下的高可靠机器人操作
- 论文专题讲解：World Model for Robot Learning：机器人学习世界模型综述
- 论文专题讲解：vLLM / PagedAttention：为什么 KV cache 需要分页管理
- 论文专题讲解：Lance：统一多模态模型，为什么对世界模型有启发
- 论文专题讲解：Emu3.5：原生多模态模型如何变成世界学习器
- 论文专题讲解：Beyond Language Modeling：多模态预训练怎样长出世界模型能力
- 论文专题讲解：BAGEL：交错多模态预训练中的世界建模涌现
- 论文专题讲解：GPU Utilization：为什么 100％ 不等于训练跑满
- 论文专题讲解：InCoder-32B：工业代码基础模型与执行验证训练
- 论文专题讲解：MapAnything：统一前向 Metric 3D 重建骨干
- 论文专题讲解：Score SDE：把扩散模型写成连续时间生成过程
- 论文专题讲解：VO-DP：RGB-only 扩散策略怎样借用语义和几何特征
- 论文专题讲解：AnyFlow：任意步视频扩散蒸馏
2025
53
- 论文专题讲解：Embodied World Model Survey：具身世界模型综述
- 论文专题讲解：V-JEPA：视频潜变量预测表征
- 论文专题讲解：Towards Video World Models：视频世界模型五个门槛
- 论文专题讲解：Self Forcing：对齐自回归视频训练与推理
- 论文专题讲解：RingAttention：近无限上下文训练
- 论文专题讲解：PlaNet：像素规划的潜变量动力学
- 论文专题讲解：LWM：百万 token 视频语言世界模型
- 论文专题讲解：LingBot-World：视频基础模型到世界模拟器
- 论文专题讲解：JEPA：预测式表征学习路线
- 论文专题讲解：H-JEPA：层级 JEPA 与潜变量 EBM
- 论文专题讲解：Genie：没有动作标签，怎样学出可交互环境
- 论文专题讲解：DreamerV3：世界模型怎样在 latent 里训练策略
- 论文专题讲解：DreamerV2：离散世界模型玩 Atari
- 论文专题讲解：Dreamer：在 latent imagination 里训练 actor-critic
- 论文专题讲解：Qwen3.5-Omni：Thinker-Talker 与全模态 Agent
- 论文专题讲解：Qwen3：Thinking 模式、36T 预训练与蒸馏
- 论文专题讲解：Nemotron 3 Super：Mamba-MoE 与异步多环境 RL
- 论文专题讲解：Kimi K2：MuonClip、万亿 MoE 与 Agent 数据
- 论文专题讲解：GPT-4o System Card：Omni 安全与多模态评测
- 论文专题讲解：Gemini 2.5：动态 Thinking 与长上下文 Agent
- 论文专题讲解：DeepSeek-V4：百万上下文与 FP4 后训练
- 论文专题讲解：DeepSeek-V3：671B MoE、MLA 与 FP8 训练
- 论文专题讲解：DeepSeek-R1：RL 激发推理能力
- 论文专题讲解：Low-bit LLM Survey：低比特大模型从格式到推理系统
- 论文专题讲解：KVSlimmer：非对称 KV 合并的数学与工程
- 论文专题讲解：Fast-FoundationStereo：实时 Zero-Shot 双目匹配
- 论文专题讲解：EAGLE：为什么 draft 不一定要是一个小模型
- 论文专题讲解：EAGLE-3：为什么 draft model 要在训练时“见过自己犯错”
- 论文专题讲解：EAGLE-2：用动态 Draft Tree 加速投机解码
- 论文专题讲解：ZeRO：数据并行真正浪费的是训练状态副本
- 论文专题讲解：SLA / SLA2：DiT 稀疏线性 Attention
- 论文专题讲解：Muon：LLM 预训练优化器
- 论文专题讲解：Megatron-LM：Tensor Model Parallel 的大模型训练栈
- 论文专题讲解：MagiAttention：超长上下文分布式 Attention
- 论文专题讲解：Attn-QAT：4-bit Attention 量化感知训练
- 论文专题讲解：Video Prediction Policy：预测视觉表征训练机器人策略
- 论文专题讲解：VGGT：一次前向推理怎样恢复相机、深度、点云与轨迹
- 论文专题讲解：SpatialVLA：3D 空间表征接入 VLA
- 论文专题讲解：RT-2：把 web-scale VLM 变成会输出动作的 VLA
- 论文专题讲解：π0.5：开放世界 VLA
- 论文专题讲解：GR-3：少样本长时程 VLA
- 论文专题讲解：GR-2：Web 视频知识怎样迁移到机器人操作
- 论文专题讲解：DreamZero：世界动作模型为什么可以做零样本策略
- 论文专题讲解：Depth Anything：无标注图像怎样变成单目深度基础模型
- 论文专题讲解：Depth Anything V2：单目深度的数据配方
- 论文专题讲解：Depth Anything 3：任意视角的 3D 几何底座
- 论文专题讲解：Wan2.1：开源视频生成系统路线
- 论文专题讲解：Phased DMD：分阶段少步蒸馏
- 论文专题讲解：DPM-Solver++：为 Guidance 场景设计的扩散 ODE 求解器
- 论文专题讲解：DMD2：更稳的少步分布匹配蒸馏
- 论文专题讲解：DMD：一步扩散蒸馏
- 论文专题讲解：Diffusion Forcing：next-token 与全序列扩散
- 论文专题讲解：CausVid：流式自回归视频扩散
1