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

FORTIS：面向智能体技能的过度授权基准测试

👍 3

提出两阶段基准，量化LLM智能体在技能选择与执行中普遍存在的过度授权问题

Shawn Li, Chenxiao Yu, Han Wang, Wei Yang, Ryan Rossi, Franck Dernoncourt,... 2026-05-12
基准测试 工具选择 技能层 智能体安全 最小特权原则
✅ 已总结
详情 →

AcademiClaw：当学生为AI智能体出题

👍 17

首个由学生真实学术任务驱动的OpenClaw学术级智能体评测基准

Junjie Yu, Pengrui Lu, Weiye Si, Hongliang Lu, Jiabao Wu, Kaiwen Tao, Kun... 2026-05-05
OpenClaw 基准测试 大语言模型 学术任务 智能体评测
✅ 已总结
详情 →

HiL-Bench：智能体知道何时求助吗

👍 5

提出HIL-BENCH基准与ASK-F1指标，量化智能体在信息缺失时主动求助的判断力

Mohamed Elfeki, Tu Trinh, Kelvin Luu, Guangze Luo, Nathan Hunt, Ernesto... 2026-05-05
人机协作 可验证奖励强化学习 基准测试 智能体评估 选择性升级
✅ 已总结
详情 →

探查图像编辑模型中的视觉规划能力

👍 2

把视觉规划重构为单步图像编辑任务EAR，配合AMAZE基准系统评估前沿模型的推理能力。

Zhimu Zhou, Yanpeng Zhao, Qiuyu Liao, Bo Zhao, Xiaojian Ma 2026-04-30
图像编辑 基准测试 扩散模型 空间推理 视觉规划
✅ 已总结
详情 →

AutoGUI-v2：面向 GUI 功能理解的多模态综合基准

👍 4

首个跨六系统、评估 GUI 区域与元素功能理解及交互结果预测的大规模基准

Hongxin Li, Xiping Wang, Jingran Su, Zheng Ju, Yuntao Chen, Qing Li, Zhaoxiang Zhang 2026-04-29
GUI智能体 人机交互 功能理解 基准测试 视觉语言模型
✅ 已总结
详情 →

AI 科学家产出结果却不进行科学推理

👍 8

25,000+ 次实验揭示 LLM 智能体执行工作流却不会科学推理

Martiño Ríos-García, Nawaf Alampara, Chandan Gupta, Indrajeet Mandal, Sajid... 2026-04-23
AI for Science LLM智能体 基准测试 科学推理 认知评估
✅ 已总结
详情 →

PlayCoder:让 LLM 生成的 GUI 代码真正可玩

👍 26

构建 PlayEval 基准与 PlayTester 多模态测试代理,提出 PlayCoder 多智能体框架通过"视觉驱动测试+自动修复"闭环修复 GUI 代码的隐性逻辑缺陷。

Zhiyuan Peng, Wei Tao, Xin Yin, Chenhao Ying, Yuan Luo, Yiwen Guo 2026-04-22
GUI 应用 LLM Agent 代码生成 基准测试 多智能体系统
✅ 已总结
详情 →