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 1234 条结果
相关性 | 日期

OpenThoughts-Agent：代理模型的数据配方

👍 49

首个公开agent训练pipeline，100+实验，32B模型超越基线3.9pp

Negin Raoof, Richard Zhuang, Marianna Nezhurina, Etash Guha, Atula Tejaswi,... 2026-06-24
Agent训练 开源基准测试 强化学习 数据构建 监督微调
✅ 已总结
详情 →

智能体模型的批判性分析与GIC架构

👍 23

区分工具型与内禀型系统，提出基于分层目标、演化身份和自调节的GIC架构

Eric Xing, Mingkai Deng, Jinyu Hou 2026-06-24
世界模型 分层规划 强化学习 智能体架构 自监督学习
✅ 已总结
详情 →

DataClaw0：智能体裁剪原始流的多模态数据

👍 21

提出智能体数据裁剪框架，将高熵原始多模态流转换为意图对齐的结构化训练数据

Cong Wan, Zeyu Guo, Zijian Cai, Jiangyang Li, SongLin Dong, Lin Peng,... 2026-06-23
多模态学习 强化学习 数据合成 数据工程 智能体
✅ 已总结
详情 →

为智能体手机使用训练开放模型

👍 18

结合真实与模拟应用环境的手机代理训练方法，大幅提升任务成功率

Zhengyang Tang, Xin Lai, Pengyuan Lyu, Xinyuan Wang, Tianyi Bai, Chenxin Li,... 2026-06-23
GUI代理 人机交互 多环境训练 强化学习 手机代理
✅ 已总结
详情 →

Tmax：终端智能体的简单配方

👍 17

提出大规模RL数据集和简单配方训练强终端智能体

Hamish Ivison, Junjie Oscar Yin, Rulin Shao, Teng Xiao, Nathan Lambert,... 2026-06-23
强化学习 数据生成 智能体训练 终端智能体
✅ 已总结
详情 →

视觉接地思考

👍 8

让视觉推理轨迹显式指向图像证据，提升计数和空间理解能力

Junkai Zhang, Yihe Deng, Kai-Wei Chang, Wei Wang 2026-06-19
强化学习 接地学习 视觉推理 视觉语言模型
✅ 已总结
详情 →

理解环境感知信息检索的行为

👍 8

通过强化学习让大语言模型适应不同检索器的查询策略

Ruifeng Yuan, Chaohao Yuan, David Dai, Yu Rong, Hong Cheng, Hou Pong Chan,... 2026-06-19
多模态检索 强化学习 查询重写 检索增强生成
✅ 已总结
详情 →