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 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 70 条结果
相关性 | 日期

QUEST：用全合成任务训练前沿深度研究智能体

👍 46

通过统一评分树合成8K任务并配合Mid-Training/SFT/RL三阶段训练，35B模型在8个深度研究基准上逼近闭源系统。

Jian Xie, Tianhe Lin, Zilu Wang, Yuting Ning, Yuekun Yao, Tianci Xue, Zhehao... 2026-05-26
LLM训练 RLHF Web Agent 开源 数据合成
✅ 已总结
详情 →

ACC：将智能体轨迹编译为长上下文训练数据

👍 61

把多轮智能体工具调用轨迹重编译成长上下文问答对，训练LLM的长程推理

Qisheng Su, Zhen Fang, Shiting Huang, Yu Zeng, Yiming Zhao, Kou Shi, Ziao... 2026-05-22
MoE大模型 数据合成 智能体轨迹 监督微调 长上下文推理
✅ 已总结
详情 →