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

OmniGAIA：迈向原生全模态AI智能体

👍 53

提出全模态智能体基准OmniGAIA和原生全模态基础智能体OmniAtlas

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, Shijian Wang, Guanting Dong, Jiajie... 2026-02-27
基准测试 多模态 工具使用 推理 智能体
✅ 已总结
详情 →

迈向 AI Agent 可靠性的科学

👍 16

提出四维可靠性度量体系，揭示前沿模型能力提升远快于可靠性改善

Stephan Rabanser, Sayash Kapoor, Peter Kirgis, Kangheng Liu, Saiteja Utpala,... 2026-02-19
AI Agent 可靠性评估 基准测试 安全关键系统 模型评估
✅ 已总结
详情 →

在真实世界中学习情境感知

👍 8

提出SAW-BENCH基准测试，评估多模态模型在第一人称视角下的空间情境感知能力

Chuhan Li, Ruilin Han, Joy Hsu, Yongyuan Liang, Rajiv Dhawan, Jiajun Wu,... 2026-02-19
具身智能 基准测试 多模态基础模型 情境感知 空间推理
✅ 已总结
详情 →

Opbench：应对阿片类药物危机的图学习基准测试

👍 0

首个阿片类药物危机图学习基准，涵盖5个数据集，系统评估图学习方法在真实场景中的表现。

Tianyi Ma, Yiyang Li, Yiyue Qian, Zheyuan Zhang, Zehong Wang, Chuxu Zhang, Yanfang Ye 2026-02-19
图学习 基准测试 异构图 超图 阿片类药物危机
✅ 已总结
详情 →