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 364 条结果
相关性 | 日期

MemSyco-Bench：评估智能体记忆中谄媚行为的基准测试

👍 29

首个评估长期记忆系统如何不当影响决策的基准测试，揭示现有智能体普遍存在记忆诱导的谄媚问题

Zhishang Xiang, Zerui Chen, Yunbo Tang, Zhimin Wei, Ruqin Ning, Yujie Lin,... 2026-07-02
基准测试 智能体记忆 记忆可靠性 谄媚行为 长期交互
✅ 已总结
详情 →

超越 IID：表格基础模型究竟有多通用？

👍 44

统一基准评估发现表格基础模型在非IID场景中不及传统模型

Lennart Purucker, Andrej Tschalzev, Nick Erickson, Gioia Blayer, David... 2026-06-30
基准测试 数据集策展 机器学习评估 表格基础模型 非IID数据
✅ 已总结
详情 →

超越药物发现：纳米技术分子优化基准

👍 7

提出面向纳米技术应用的分子优化基准，用量子模拟替代代理指标

Matthias Blaschke, Daniel Kienzle, Zsuzsanna Koczor-Benda, Julian Lorenz,... 2026-06-30
分子优化 分子生成 基准测试 纳米技术 量子模拟
✅ 已总结
详情 →

GridVQA-X：评估多模态可解释性方法的框架

👍 3

首个严格评估跨模态可解释性的诊断框架，揭示现有方法无法区分真正的空间推理与浅层捷径

Sujay Belsare, Sudarshan Nikhil, Sushant Kumar, Ponnurangam Kumaraguru,... 2026-06-25
VQA 可解释性 因果推理 基准测试 多模态AI
✅ 已总结
详情 →