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 60 条结果
相关性 | 日期

MEME：多实体与演化记忆评测基准

👍 7

面向长会话智能体的记忆评测基准，揭示所有系统依赖推理崩塌。

Seokwon Jung, Alexander Rubinstein, Arnas Uselis, Sangdoo Yun, Seong Joon Oh 2026-05-13
DAG知识图谱 LLM智能体 依赖推理 记忆系统 评测基准
✅ 已总结
详情 →

听我说：面向指令跟随的口语提示数据集

👍 9

首个平行语音-文本多语言提示数据集，揭示SLLMs在口语指令下的真实能力

Maike Züfle, Sara Papi, Fabian Retkowski, Szymon Mazurek, Marek Kasztelnik,... 2026-03-11
口语提示 多语言 指令跟随 评测基准 语音大模型
✅ 已总结
详情 →

GISA：通用信息搜索助手评测基准

👍 26

373条人工构建查询+人类搜索轨迹，评估搜索智能体深度与广度能力

Yutao Zhu, Xingshuo Zhang, Maosen Zhang, Jiajie Jin, Liancheng Zhang,... 2026-02-10
人机搜索行为 信息检索 大语言模型 搜索智能体 评测基准
✅ 已总结
详情 →

A2Eval：具身智能的自主自动评测框架

👍 8

用两个协作智能体自动构建平衡评测基准并生成可执行评测流程，压缩85%冗余样本、降低77%评测成本

Shuai Zhang, Jiayu Hu, Zijie Chen, Zeyuan Ding, Yi Zhang, Yingji Zhang, Ziyi... 2026-02-05
具身智能 多智能体系统 自动化评估 视觉语言模型 评测基准
✅ 已总结
详情 →