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

RynnUnify：迈向统一具身大脑

👍 34

16B 统一具身模型，以交错视频-语言推理打通理解、预测与机器人控制。

Minghao Zhu, Bohan Hou, Kun Xiang, Zixuan Wang, Yinzhou Tang, Yifei Yang,... 2026-10-26
世界模型 具身智能 强化学习 机器人操作 统一多模态模型
✅ 已总结
详情 →

IQuest-Q1：面向Agentic CLI系统的基座能力进阶

👍 99

开源320B稀疏MoE智能体模型，以稳定预训练、多脚手架RL与多教师蒸馏强化CLI能力

A. Jian Yang, An Huang, Bo Dan, Chen Mu, Chengran Yang, Chuan Shi, Feng... 2026-10-23
MoE 代码生成 多教师蒸馏 大语言模型 强化学习
✅ 已总结
详情 →

RLSplat：前馈式 3D 高斯泼溅的资源线性预算控制

👍 20

学习高斯分配策略直接生成指定数量的高斯，显存与延迟随预算线性下降且画质全面领先

Injae Kim, Minseok Joo, Jihwan Park, Sehyung Kim, Minseong Bae, Hyunwoo J. Kim 2026-10-23
3D Gaussian Splatting 前馈重建 强化学习 新视角合成 资源高效推理
✅ 已总结
详情 →

Verus-Insight：面向AI生成视频的可解释伪影检测

👍 14

把AI视频检测拆解为检查规划、证据验证、证据聚合三能力，全程人类锚定监督

Zhuoran Zhang, Yang Shi, Qixun Wang, Tengfei Liu, Yuqi Tang, Xuanyu Zhu,... 2026-10-23
AI生成内容检测 可解释性 基准评测 多模态大模型 强化学习
✅ 已总结
详情 →

DONIC：从人类演示学习通用的双手灵巧跟踪控制

👍 34

首个通用双手灵巧跟踪策略，单 checkpoint 零微调跟踪未见轨迹与物体，大幅超越基线

Mingze Sun, Ziang Cao, Yuan Fei, Qiankuan Tao, Zihan Wang, Tianqi Liu,... 2026-10-22
人手交互数据集 仿真训练 参考轨迹跟踪 双手机器人 强化学习
✅ 已总结
详情 →

语言模型学会改进语言模型（LM2LM）

👍 8

用研究世界模型预测实验增益作 RL 奖励，配合在线校准训练出会提出模型改进的 LLM

Minhua Lin, Zijun Wang, Zewen Liu, Zhaotian Weng, Bing He, Zhan Shi, Benoit... 2026-10-22
RLVR 世界模型 奖励过度优化 强化学习 自动化AI研究
✅ 已总结
详情 →