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

原生主动感知作为全模态理解的推理

👍 20

首个原生全模态Agent框架，通过迭代Observation-Thought-Action循环解耦视频时长与推理复杂度，实现测试时正扩展

Zhenghao Xing, Ruiyang Xu, Yuxuan Wang, Jinzheng He, Ziyang Ma, Qize Yang,... 2026-06-18
POMDP 主动感知 多模态Agent 强化学习 长视频理解
✅ 已总结
详情 →

强化空间视觉语言模型中的双路径推理

👍 15

提出SR-ReaL框架，通过LOR和DTR双路径推理+强化学习提升空间VLM的几何推理能力

Yatai Ji, An-Chieh Cheng, Yang Fu, Yukang Chen, Han Zhang, Zhaojing Yang,... 2026-06-18
3D感知 双路径推理 强化学习 空间推理 视觉语言模型
✅ 已总结
详情 →

用图灵奖励学习用户模拟器

👍 2

基于图灵测试判别奖励训练人类不可区分的用户模拟器

Yingshan Susan Wang, Cedegao E. Zhang, Linlu Qiu, Zexue He, Pengyuan Li,... 2026-06-18
LLM训练 图灵测试 对话系统 强化学习 用户模拟
✅ 已总结
详情 →

REVES：修订与验证增强的测试时扩展训练

👍 2

通过将中间错误答案转化为修订与验证提示，训练LLM的测试时序列修订能力

Yuanxin Liu, Ruida Zhou, Xinyan Zhao, Amr Sharaf, Hongzhou Lin, Arijit... 2026-06-18
序列修订 强化学习 数据增强 测试时扩展
✅ 已总结
详情 →

Orchestra-o1:全模态智能体编排框架

👍 48

面向全模态任务的多智能体编排框架与决策对齐强化学习方法。

Fan Zhang, Vireo Zhang, Shengju Qian, Haoxuan Li, Hao Wu, Jinyang Wu,... 2026-06-15
GRPO OmniGAIA ReAct 任务分解 全模态智能体
✅ 已总结
详情 →