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 LLM智能体 知识蒸馏 多智能体系统 智能体 流匹配 多模态学习 具身智能 基准评测 图像生成 代码生成 LLM Agent 检索增强生成 机器人操作 注意力机制 多模态大语言模型 可解释性 视频理解 数学推理 图像编辑 RLVR 多模态 机器人学习 长上下文 自监督学习 后训练 对比学习 Transformer 数据合成 工具使用 视觉-语言-动作模型 推理加速 LoRA 多模态推理 工具调用 LLM评估 高效推理 信息检索 评测基准 RAG 计算机视觉 参数高效微调 扩散语言模型 视觉推理 自蒸馏 综述 3D重建 Flow Matching 模型压缩 自回归生成 持续学习 自回归模型
找到 998 条结果
相关性 | 日期

MiniMax-M2 系列:极小激活参数释放极致真实世界智能

👍 41

9.8B 激活参数的 MoE 大模型,通过 Agent 数据管线+Forge 强化学习系统+自我进化,在编码与办公 Agent 任务上比肩头部闭源模型

MiniMax, Aili Chen, Aonian Li, Baichuan Zhou, Bangwei Gong, Binyang Jiang,... 2026-05-27
Agent MoE Speculative Decoding 代码生成 强化学习
✅ 已总结
详情 →

SAM：面向长时程推理智能体的状态自适应记忆

👍 9

将长时程智能体的记忆管理建模为状态自适应问题，通过线索-页面架构实现意图驱动的记忆检索

Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Ziliang Zhao, Jiejun... 2026-05-27
强化学习 智能体 记忆管理 长时程推理
✅ 已总结
详情 →

SEAL：智能体与学习环境的协同共演化

👍 10

提出基于验证器失败诊断的智能体-环境协同共演化框架 SEAL，用同一诊断信号同时驱动训练接口进化与策略梯度更新。

Yihao Hu, Zhihao Wen, Xiujin Liu, Pan Wang, Xin Zhang, Wei Wu 2026-05-26
GRPO LLM智能体 失败诊断 工具调用 强化学习
✅ 已总结
详情 →

面向定制化的多模态角色扮演

👍 10

提出 CMRP 新任务和 UniCharacter 框架，用极少样本让统一多模态模型同时学会角色的语言风格与视觉外观。

Chao Tang, Jianzong Wu, Qingyu Shi, Ye Tian, Aixi Zhang, Hao Jiang,... 2026-05-26
GRPO 个性化生成 多模态大模型 强化学习 文生图
✅ 已总结
详情 →

ETCHR：用编辑来澄清和驾驭视觉推理

👍 13

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →