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 391 条结果
相关性 | 日期

APRES:一个基于智能体的论文修改与评估系统

👍 3

用LLM智能体自动搜索能预测论文未来影响力的评分标准,再用该标准反向改写论文,人工盲评中79%更偏好修改版。

Bingchen Zhao, Jenny Zhang, Chenxi Whitehouse, Minqi Jiang, Michael... 2026-03-04
LLM智能体 人机协同 学术影响力预测 文本改写 论文评审自动化
✅ 已总结
详情 →

ARLArena：稳定智能体强化学习的统一框架

👍 26

通过四维策略梯度分析揭示ARL训练不稳定根源，提出SAMPO统一算法实现稳定训练

Xiaoxuan Wang, Han Zhang, Haixin Wang, Yidan Shi, Ruoyan Li, Kaiqiao Han,... 2026-02-26
LLM智能体 多轮交互 强化学习 策略优化 训练稳定性
✅ 已总结
详情 →

MemFly: 基于信息瓶颈的即时记忆优化

👍 7

提出基于信息瓶颈原则的LLM智能体长期记忆框架，通过分层记忆和三通路检索提升推理性能。

Zhenyuan Zhang, Xianzhang Jia, Zhiqin Yang, Zhenbo Song, Wei Xue, Sirui Han, Yike Guo 2026-02-13
LLM智能体 信息瓶颈 混合检索 记忆优化 长期记忆
✅ 已总结
详情 →

面向 LLM 智能体的强化世界模型学习

👍 28

用自监督 RL 训练 LLM 成为动作条件的世界模型，提升智能体决策能力

Xiao Yu, Baolin Peng, Ruize Xu, Yelong Shen, Pengcheng He, Suman Nath,... 2026-02-06
GRPO LLM智能体 世界模型 强化学习 自监督学习
✅ 已总结
详情 →