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

VAREX：文档多模态结构化提取基准

👍 2

提出反向标注流水线构建多模态文档提取基准，评估20个模型在小规模参数下的结构化输出能力

Udi Barzelay, Ophir Azulai, Inbar Shapira, Idan Friedman, Foad Abo Dahood,... 2026-03-18
基准测试 多模态学习 小模型评估 文档理解 结构化数据提取
✅ 已总结
详情 →

EvoClaw：评估AI代理在持续软件演化中的能力

👍 21

提出DeepCommit流水线和EvoClaw基准，揭示前沿模型在持续软件演化中的性能崩溃现象

Gangda Deng, Zhaoling Chen, Zhongming Yu, Haoyang Fan, Yuhong Liu, Yuxin... 2026-03-17
AI代理 代码生成 基准测试 持续集成 软件工程
✅ 已总结
详情 →

LMEB：长时记忆嵌入基准测试

👍 74

提出针对长期记忆检索的嵌入模型评估框架，涵盖4类记忆、22个数据集、193个检索任务

Xinping Zhao, Xinshuo Hu, Jiaxin Xu, Danyu Tang, Xin Zhang, Mengjia Zhou,... 2026-03-16
向量检索 基准测试 大语言模型 文本嵌入 记忆检索
✅ 已总结
详情 →