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

基于世界模型的自动研究智能体规模化训练

👍 82

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

👍 65

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

👍 138

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

👍 21

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 →

Iris：攀登搜索前沿

👍 49

从网页超链接结构逆向构造多跳难题，SFT-RL交替攀登训练出同级最强开源搜索智能体

Ziyuan Liu, Hengqi Liu, Zichuan Wang, Yang Qin, Jiachen Liang, Xu Chu,... 2026-09-07
SFT-RL交替训练 上下文管理 强化学习 搜索智能体 数据合成
✅ 已总结
详情 →

群体自适应裁剪策略优化

👍 9

按组内答对数自适应调整裁剪边界，让稀有正确样本保留梯度，pass@1 与 pass@k 双升

Sheng Jia, Xiao Wang, Shiva Prasad Kasiviswanathan, Rein Houthooft 2026-09-07
LLM后训练 RLVR 强化学习 数学推理 策略优化
✅ 已总结
详情 →

面向终端智能体的环境演化

👍 10

离线逐代演化环境难度并按谱系调度训练，Terminal-Bench 最高提升18个百分点

Zhiyuan Fan, Tinghao Yu, Yuanjun Cai, Jiang Zhou, Jiangtao Guan, Jincheng... 2026-09-04
RL环境合成 强化学习 环境设计 终端智能体 课程学习
✅ 已总结
详情 →