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

LEGO-RL：面向编码智能体的原生框架强化学习

👍 27

将原生编码智能体框架桥接到策略梯度训练，SWE-bench解决率最高提升9.4个百分点

Yiming Du, Yuxin Jiang, Tao Yuan, Jianbo Dai, Shaowei Wang, Jierun Chen,... 2026-08-19
MoE SWE-bench 强化学习 智能体训练框架 编码智能体
✅ 已总结
详情 →

验证器诱导的在线策略优化支持重塑

👍 6

RLVR 在提升当前任务的同时，会把未来任务的成功轨迹挤到固定预算内难以采样

Shaohang Wei, Zikun Su, Feifan Song, Wen Luo, Wei Li, Guangyue Peng, Houfeng Wang 2026-08-17
RLVR 大语言模型 强化学习 持续学习 指令跟随
✅ 已总结
详情 →

Intern-S2-Preview：科学智能体基础模型

👍 69

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng,... 2026-08-14
后训练 基础模型 多模态 强化学习 时间序列
✅ 已总结
详情 →

基于变分学习的RLVR参数空间探索

👍 8

用变分后验采样扰动权重替代温度调节，为GRPO注入参数空间探索

Vatsal Venkatkrishna, Nico Daheim, Iryna Gurevych 2026-08-13
LLM后训练 RLVR 参数空间探索 变分推断 强化学习
✅ 已总结
详情 →

InSight-doc：面向长文档理解的智能体式视觉感知

👍 6

低分辨率通读全文、按需放大关键区域，让8B模型在长文档问答上同时更准、更快、更少幻觉

Kaican Li, Weiyan Xie, Lewei Yao, Jiannan Wu, Lanqing Hong, Yongxiang Huang,... 2026-08-12
主动感知 以图思考 多模态大模型 强化学习 视觉智能体
✅ 已总结
详情 →