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 67 条结果
相关性 | 日期

通过工具监督强化学习实现视觉推理

👍 4

用两阶段RL课程让多模态大模型自主掌握视觉工具调用以解决复杂视觉推理

Qihua Dong, Gozde Sahin, Pei Wang, Zhaowei Cai, Robik Shrestha, Hao Yang,... 2026-04-23
GRPO 多模态大模型 工具调用 强化学习 视觉推理
✅ 已总结
详情 →

VoxMind：一种端到端的智能体语音对话系统

👍 9

端到端语音模型集成推理与工具调用，任务完成率从34.88%提升至74.57%。

Tianle Liang, Yifu Chen, Shengpeng Ji, Yijun Chen, Zhiyang Jia, Jingyu Lu,... 2026-04-21
LLM智能体 多智能体系统 工具调用 思维链推理 端到端语音对话
✅ 已总结
详情 →

PivotRL：低计算成本下的高精度智能体后训练

👍 19

通过筛选高方差轮次和功能等价奖励，将SFT轨迹转化为高效RL训练，实现4倍计算节省同时保持OOD泛化

Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, Ritu Gala, Charles Wang, Sugam... 2026-03-24
GRPO 后训练 大语言模型 工具调用 强化学习
✅ 已总结
详情 →

Meissa：多模态医疗智能体智能

👍 5

4B参数医疗智能体通过行为蒸馏实现离线部署，性能媲美前沿大模型

Yixiong Chen, Xinyi Bai, Yue Pan, Zongwei Zhou, Alan Yuille 2026-03-12
医疗AI 多模态 工具调用 智能体 知识蒸馏
✅ 已总结
详情 →

REIN：基于推理植入的对话错误恢复方法

👍 1

在不修改模型参数和系统提示的前提下，通过注入外部推理引导对话智能体从错误中恢复

Takyoung Kim, Jinseok Nam, Chandrayee Basu, Xing Fan, Chengyuan Ma, Heng Ji,... 2026-02-23
对话系统 工具调用 推理增强 测试时干预 错误恢复
✅ 已总结
详情 →

Mobile-Agent-v3.5：多平台基础GUI智能体

👍 52

提出GUI-Owl-1.5模型家族，通过混合数据飞轮和多平台RL扩展实现跨设备GUI自动化

Haiyang Xu, Xi Zhang, Haowei Liu, Junyang Wang, Zhaozai Zhu, Shengjie Zhou,... 2026-02-20
GUI Agent 多平台自动化 多模态大模型 工具调用 强化学习
✅ 已总结
详情 →