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 多模态 长上下文 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 评测基准 高效推理 自监督学习 工具调用 对比学习 扩散语言模型 参数高效微调 视觉-语言-动作模型 Transformer 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 模仿学习 综述 信息检索 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 424 条结果
相关性 | 日期

FDE-Gym：AI 交付的最后一公里

👍 54

95个真实客户交付任务实测：最强模型仅解决14个，隐含约束发现是瓶颈

Dongxu Yang, Hongda Yan, Renxin Wang, Baoli Zhang, Haojia Zuo, Ying Zhao,... 2026-10-16
AI交付 利益相关者模拟 基准测试 智能体评测 软件工程
✅ 已总结
详情 →

面向异构多任务强化学习的GPU并行框架

👍 9

GPU并行基准Hebero与DGPO框架：单策略掌握40个异构操作任务，实机零微调成功率82.5%

Rui Zhang, Qiwei Wu, Zhengyu Zhang, Tao Li, Hongyu Zhou, Xiang Li, Yunrong... 2026-10-09
GPU并行仿真 Sim-to-Real 基准测试 多任务强化学习 机器人操作
✅ 已总结
详情 →

从证据到行动：工具型智能体的失败剖析

👍 38

构建656例SafeActBench基准，定位智能体从证据建立到行动执行的链条断裂点

Hongzhan Lin, Shidong Cao, Ziyang Luo, Wenhao Chai, Mong-Li Lee, Wynne Hsu 2026-10-07
LLM智能体 基准测试 工具使用 智能体可靠性评估 确定性评估器
✅ 已总结
详情 →

世界嵌入基准：视频表征中物理信息的评测

👍 19

8000个物理仿真视频评测嵌入模型的物理对齐与量化信息可恢复性，发现二者存在权衡。

Yiqi Liu, Ruifeng Yuan, Yang Wang, Long Li, Fengyu Cai, Hou Pong Chan,... 2026-10-05
基准测试 多模态嵌入 检索增强生成 物理仿真 视频表征
✅ 已总结
详情 →