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 979 条结果
相关性 | 日期

迈向忠实的用户购物行为模拟

👍 6

RecVerse用认知分层记忆与轨迹级强化学习，在真实GUI环境中忠实模拟人类购物行为

Jiakai Tang, Yan Mi, Jing Yu, Yang Zhang, See-Kiong Ng, Qi Cao, Fei Sun, Xu... 2026-08-24
GUI智能体 大语言模型智能体 强化学习 推荐系统 用户行为模拟
✅ 已总结
详情 →

EnvHarness：唤醒静态环境的智能体学习定制层

👍 263

用可插拔组件包裹静态环境，按策略弱点自动定制训练环境，显著提升智能体学习

Chengsong Huang, Zifeng Wang, Rujun Han, Jun Yan, Yanfei Chen, Zoey CuiZhu,... 2026-08-21
LLM智能体 强化学习 智能体学习 环境定制 自动化课程
✅ 已总结
详情 →

EXIMO：VLM 引导的 VLA 策略探索

👍 15

用VLM编排VLA探索采集新任务数据，再经蒸馏与残差RL高效微调

Bhavya Sukhija, Oliver Groth, Mohit Shridhar, Tim Hertweck, Michael Bloesch,... 2026-08-21
VLA 强化学习 机器人操作 模仿学习
✅ 已总结
详情 →

LEGO-RL：面向编码智能体的原生框架强化学习

👍 24

将原生编码智能体框架桥接到策略梯度训练，SWE-bench解决率最高提升9.4个百分点

Yiming Du, Yuxin Jiang, Tao Yuan, Jianbo Dai, Shaowei Wang, Jierun Chen,... 2026-08-19
MoE SWE-bench 强化学习 智能体训练框架 编码智能体
✅ 已总结
详情 →

验证器诱导的在线策略优化支持重塑

👍 5

RLVR 在提升当前任务的同时，会把未来任务的成功轨迹挤到固定预算内难以采样

Shaohang Wei, Zikun Su, Feifan Song, Wen Luo, Wei Li, Guangyue Peng, Houfeng Wang 2026-08-17
RLVR 大语言模型 强化学习 持续学习 指令跟随
✅ 已总结
详情 →

Intern-S2-Preview：科学智能体基础模型

👍 66

397B 参数科学智能体基础模型：多模态科学理解、可验证强化学习与长程智能体训练的统一

Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng,... 2026-08-14
后训练 基础模型 多模态 强化学习 时间序列
✅ 已总结
详情 →