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 73 条结果
相关性 | 日期

MuSEAgent：一种具有有状态经验的多模态推理智能体

👍 23

将多模态智能体的交互轨迹解耦为原子级状态-动作经验，通过深度-广度搜索实现精准决策指导

Shijian Wang, Jiarui Jin, Runhao Fu, Zexuan Yan, Xingjian Wang, Mengkang Hu,... 2026-03-31
多模态智能体 工具使用 检索增强推理 经验学习 视觉推理
✅ 已总结
详情 →

多模态AI智能体的前瞻性规划

👍 3

两阶段RL框架训练多模态Agent前瞻性规划能力，在7个基准上显著提升长视界任务性能

Yongyuan Liang, Shijie Zhou, Yu Gu, Hao Tan, Gang Wu, Franck Dernoncourt,... 2026-03-18
GUI控制 前瞻性规划 多模态智能体 工具使用 强化学习
✅ 已总结
详情 →

OmniGAIA：迈向原生全模态AI智能体

👍 53

提出全模态智能体基准OmniGAIA和原生全模态基础智能体OmniAtlas

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, Shijian Wang, Guanting Dong, Jiajie... 2026-02-27
基准测试 多模态 工具使用 推理 智能体
✅ 已总结
详情 →