Tag · 2 篇
后训练
分布 视觉语言模型1生成模型与扩散1
01 02
在 360 度中思考：野外场景下的人形视觉搜索
Thinking in 360deg: Humanoid Visual Search in the Wild
把 360° 全景图当作可主动转头的沉浸式环境，构建了 MLLM 智能体做物体/路径搜索的基准与后训练方案；对做 VLM 空间推理、全景/具身视觉的人，可直接复用其 H* Bench 评测设定与后训练提升范式。
MixFlow 训练：以减速插值混合缓解暴露偏差
MixFlow Training: Alleviating Exposure Bias with Slowed Interpolation Mixture
针对扩散模型训练-测试不一致（暴露偏差）问题，提出用「减速时间步」上的真实插值混合来后训练预测网络，可直接套用到 SiT、REPA、RAE 等扩散/流匹配骨干上，在 ImageNet 256/512 上把 FID 压到 1.1 左右，是提升现有生成模型采样质量的即插即用后训练手段。