把扎根理论自动化为多智能体流水线,从智能体轨迹归纳行为模式并验证理论饱和
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
LLM智能体
世界模型
视觉语言模型
GRPO
多模态大模型
知识蒸馏
基准评测
具身智能
流匹配
机器人操作
多智能体系统
智能体
LLM Agent
可解释性
图像生成
代码生成
多模态学习
检索增强生成
注意力机制
RLVR
后训练
视频理解
机器人学习
长上下文
多模态
数学推理
图像编辑
VLA
数据合成
多模态大语言模型
推理加速
高效推理
评测基准
自监督学习
工具调用
对比学习
扩散语言模型
视觉-语言-动作模型
参数高效微调
Transformer
工具使用
LoRA
持续学习
LLM评估
自蒸馏
多模态推理
RAG
模仿学习
综述
LLM推理
信息检索
信用分配
在线策略蒸馏
模型压缩
合成数据
交替执行权重微调与可执行框架搜索,让智能体的模型与外壳代码协同进化
七游戏交互基准,检验 LLM 能否把交互经验经自测自判转化为可靠自我改进
将论文证据编译为带所有权与非退化约束的仓库级规格,再按契约逐文件生成代码
构造协议把几KB私有知识工件做成显式开关,使Opus通过率从0%跃升至68%
按证据支持度自适应控制查询粒度,用依赖有序的二叉查询树攻克多跳检索问答
在现有编码智能体外再套规划—编码—测试循环,实现多日自主开发与持续改进
首个融合确定性供应商谈判与真实电商数据的365天持续经营智能体评测基准
智能体记忆是内生授权洗白的温床
👍 4智能体持久记忆会自发伪造权限并致执行器越权,EAL-BENCH 量化了这一内生授权洗白现象
让智能体在打开文档推理时顺手裂解出结构,后续问题降本53%且精度不损失
让LLM智能体边顺序生成相关应用边维护共享组件库,在不损功能的前提下大幅削减代码冗余
将轨迹级成败转化为动作级批评监督,让8B小模型的多试次可靠性超过120B大模型
首个评估LLM多轮维护可执行界面的基准:单轮通过率严重高估五轮全流程可靠性
将 3D/4D 场景映射为 2D 图集以解耦编辑与重建,LLM 调度 30+ 视觉工具实现对话式编辑
智能体化工件创作:系统、评估、原则与机遇
👍 64以交付工件为分析单元,用状态化构建框架统揽259项智能体创作研究与评估
冻结模型权重,自动演化智能体框架,三大企业基准提升20-35个百分点
把执行轨迹建成状态图,定位首个偏离断点,仅对恢复段做局部监督的自蒸馏框架
给LLM智能体自我修改配可验证撤销方案,分离寻址与表达力两类恢复瓶颈。
用统一数据对象 (E,q,τ,v) 与 ACE 框架把智能体数据生成重构为受限分布设计
让冻结LLM把3D物体写成带类型化配合的程序化装配代码,无需3D训练