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
找到 1234 条结果
相关性 | 日期

从大规模源代码合成可验证的智能体技能

👍 92

从 19,769 个 GitHub 仓库自动合成百万级智能体技能库，72 项评测平均提升 11.7%

Yongqi Tong, Pan Wang, Hang Wang, Jianshe Li, Xin Zhang, Jiang-Ming Yang, Wei Wu 2026-09-21
代码挖掘 强化学习 智能体技能合成 检索增强 程序性知识
✅ 已总结
详情 →

MintAct：面向数字环境的统一视觉智能体

👍 27

2B/4B/8B 单模型统一 UI 定位、跨端导航与视觉工具调用，异步 RL 不牺牲单域性能

Mingfei Gao, Rui Tian, Haiming Gang, Bohan Zhai, Le Zhang, Yuanzheng Gong,... 2026-09-21
GUI智能体 多领域统一模型 异步RL基础设施 强化学习 拒绝采样蒸馏
✅ 已总结
详情 →

DeepSeek-V4.1-Flash：把 KV 缓存压缩推向极限

👍 214

跨层复用+FP4量化+有界重放三管齐下，将KV缓存压至前代1/4至1/8且性能更强

DeepSeek-AI, Anyi Xu, B. Li, Bangcai Lin, Bing Xue, BingCheng Xian,... 2026-09-18
FP4量化 KV缓存压缩 强化学习 推测解码 智能体训练
✅ 已总结
详情 →

MoE强化学习中的专家空间探索

👍 6

扰动MoE路由激活替代计算路径，把专家选择变成RL探索的新维度

Hongyi He, Zhenghao Lin, Xiao Liu, Peng Cheng, Yan Lu, Yeyun Gong 2026-09-15
LLM后训练 MoE 强化学习 探索机制 推理能力
✅ 已总结
详情 →