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 979 条结果
相关性 | 日期

基于世界模型的自动研究智能体规模化训练

👍 444

用世界模型替代昂贵的沙箱执行训练研究智能体，在线去偏去噪，训练加速3-4倍且性能更优。

Xiyuan Yang, Sheikh Sarwar, Jingru Cheng, Zhan Shi, Duanshun Li, Huiyuan... 2026-09-10
LLM后训练 世界模型 具身智能 强化学习 自动研究智能体
✅ 已总结
详情 →

T1：面向长程任务的终端智能体强化学习

👍 52

密集执行奖励+TITO/R3稳定化，将122B MoE模型RL训练为64.0%解题率的终端智能体

Junyao Yang, Yucheng Shi, Zhongzhi Li, Ruhan Wang, Zongxia Li, Haitao Mi,... 2026-09-10
MoE训练稳定性 PPO 可验证奖励 强化学习 终端智能体
✅ 已总结
详情 →

AuK：开源语音生成与编辑基础模型技术报告

👍 213

用自然语言指令与音频上下文统一语音生成和编辑的开源基础模型，四步推理提速4.5倍

Ziyang Ma, Zhikang Niu, Wenming Tu, Tianrui Wang, Ruiqi Yan, Junxi Liu,... 2026-09-09
偏好优化 开源模型 强化学习 整流流 统一基础模型
✅ 已总结
详情 →

智能体视觉生成：从生成模型到智能体控制

👍 29

按控制器决策的最大因果触达，把智能体视觉生成统一划分为 L0–L4 五层的综述与评估框架

Yinming Huang, Shuyuan Tu, Xi Yan, Jiahao Zhan, Zihan Yang, Zhen Xing, Hui... 2026-09-09
LLM控制器 图像与视频生成 强化学习 智能体视觉生成 综述
✅ 已总结
详情 →