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 424 条结果
相关性 | 日期

系统提示词中的隐藏日期会影响 LLM 评测

👍 2

系统提示词中被悄悄注入的当天日期会让 LLM 评测分数逐日漂移，幅度超过批大小等已知因素。

Mario Sanz-Guerrero, Minh Duc Bui, Manuel Mager, Katharina von der Wense 2026-10-01
LLM评测 可复现性 基准测试 提示敏感性 非确定性
✅ 已总结
详情 →

Duplex-MPE：全双工对话中的多方交互基准

👍 41

首个评估语音助手在多人对话中何时开口、保持沉默与让出话轮的全双工基准。

Chengqian Ma, Wenhao Feng, Weixuan Jin, Gaole Dai, Tianyu Xie, Yuexiao Ma,... 2026-09-29
全双工语音对话 基准测试 多方对话 话轮控制 语音大模型评测
✅ 已总结
详情 →