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 103 条结果
相关性 | 日期

TestPrism：超越单一参考的测试生成评估基准

👍 31

构建多实现面板与联合成功函数，暴露单一参考评估对LLM生成测试质量的高估

Han Li, Lingxiang Hu, Jiacheng Huang, Ziqian Jiang, Jingkai Luo, Wei Gao,... 2026-10-09
LLM测试生成 代码智能体 变异测试 评测基准 递归自我改进
✅ 已总结
详情 →

面向LLM助手的可验证社会推理评测

👍 43

用Fuse多智能体仿真构造可验证真值，系统评测LLM用户中介社会推理

Amir Taubenfeld, Zorik Gekhman, Avigail Grinstein-Dabush, Itay Laish, Ariel... 2026-09-18
多智能体仿真 对齐评估 社会推理 评测基准 谄媚性
✅ 已总结
详情 →