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 110 条结果
相关性 | 日期

面向长程终端智能的智能体数据规模化合成

👍 127

自动合成保留探索-修正-验证全程行为的长程终端数据，3K轨迹SFT在12个基准全面领先

Shun Zou, Ziyu Ma, Yi Zou, Yong Wang, Lin Chen, Zehui Chen, Guanhua Chen,... 2026-10-13
SFT 数据合成 终端智能体 轨迹蒸馏 长程任务
✅ 已总结
详情 →

OmniSeek：面向多轮音视频推理的原生工具集成

👍 11

将全模态大模型改造成主动取证智能体，多轮检索音视频证据并强化双模态依赖

Haibo Wang, Jiteng Mu, Jialu Li, Jingru Yi, Yuanjun Xiong, Jianming Zhang,... 2026-10-02
全模态大模型 多轮推理 强化学习 数据合成 智能体工具调用
✅ 已总结
详情 →

AREX-2：通过长程反思任务推进自改进智能体

👍 88

在可验证域构造长程反思轨迹训练27B模型，实现测试时自我改进并跨域迁移

Hongjin Qian, Chaofan Li, Kun Luo, Wenqing Wei, Jianlyu Chen, Shuqi Lu,... 2026-10-01
数据合成 模仿学习 测试时扩展 自改进智能体 长程反思
✅ 已总结
详情 →

Marathoner：超长时程自主智能体

👍 19

以PR任务合成、RFT与后期奖励强化学习，训练9B模型连续执行10小时以上并超越部分闭源模型

Zhang Ruiyang, Ou Jinpeng, Xie Yifan, Zhou Jingang, Pan Lirui, Guo Qingpei,... 2026-09-30
后训练 强化学习 数据合成 智能体 软件工程
✅ 已总结
详情 →

程序验证的视觉语言模型自进化

👍 10

用固定程序在结构化解析上算出答案，以逐断言校验取代多数投票，让 VLM 可靠自进化

Ahmed Heakl, Sungik Choi, Moontae Lee, Salman Khan 2026-09-29
GRPO 可验证奖励 场景图解析 数据合成 自进化
✅ 已总结
详情 →

Iris：攀登搜索前沿

👍 49

从网页超链接结构逆向构造多跳难题，SFT-RL交替攀登训练出同级最强开源搜索智能体

Ziyuan Liu, Hengqi Liu, Zichuan Wang, Yang Qin, Jiachen Liang, Xu Chu,... 2026-09-07
SFT-RL交替训练 上下文管理 强化学习 搜索智能体 数据合成
✅ 已总结
详情 →