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

SCOPE：开放式任务中通过协同进化策略的自我对弈方法

👍 24

首个将数据无关的自我对弈扩展到开放式任务的框架，通过文档锚定的标准分解实现自我评估和持续自我改进

Wai-Chung Kwan, Aryo Pradipta Gema, Joshua Ong Jun Leang, Pasquale Minervini 2026-06-01
大语言模型 开放式任务 强化学习 检索增强生成 自我对弈
✅ 已总结
详情 →

PhoneWorld：扩展手机使用代理环境

👍 10

将真实GUI轨迹转换为可控手机环境，支持评估与训练

Zhengyang Tang, Yuxuan Liu, Xin Lai, Junyi Li, Pengyuan Lyu, Jason, Yiduo... 2026-05-29
多模态代理 强化学习 手机GUI交互 环境构建 监督学习
✅ 已总结
详情 →