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 364 条结果
相关性 | 日期

VBVR-Pro：面向原生视觉推理的可扩展可验证套件

👍 268

300个程序化视觉推理任务+可验证奖励评分器，让视觉生成成为可训练、可验证、可优化的推理媒介

Junxiang Xu, Ruisi Wang, Fanyi Pu, Maijunxian Wang, Ran Ji, Tongxi Zhou,... 2026-08-27
交错生成 原生视觉推理 可验证奖励 基准测试 强化学习
✅ 已总结
详情 →

FM-Bench：竞争智能体长程管理能力基准

👍 20

让15个前沿大模型各管一家足球俱乐部20年，测谁会“经营”而不只是“执行”。

Tianyou Wang, Chongyang Gao, Kezhen Chen, Chen Dong, Yinghao He, Donghan Li,... 2026-08-20
LLM Agent 基准测试 多智能体竞技场 行为能力分解 长程决策
✅ 已总结
详情 →

ASI-Bench：迈向通用超级智能黎明的基准

👍 61

首个逐级撤除人类方法指导、评测AI自主科研能力的跨领域项目级基准

Junwei Zhou, Zhen Sun, Binyu Li, Jiangyu Zhou, Yuexi Pan, Hengyu Wang,... 2026-08-19
AI for Science 基准测试 大模型评测 智能体框架 自主科研智能体
✅ 已总结
详情 →