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 424 条结果
相关性 | 日期

DramaChain Bench：面向短剧生成的端到端评测基准

👍 15

首个评测短剧生产链全部六个阶段的基准，自动裁判与人类一致性 PLCC 达 0.918

Haoyuan Shi, Mingtao Chen, Shuo Jiang, Ziyan Chen, Xuyi Sheng, Yiming Liu,... 2026-09-02
Agentic评估 人机一致性 基准测试 多智能体流水线 短剧生成
✅ 已总结
详情 →

VBVR-Pro：面向原生视觉推理的可扩展可验证套件

👍 75

300个程序化视觉推理任务+可验证奖励评分器，让视觉生成成为可训练、可验证、可优化的推理媒介

Junxiang Xu, Ruisi Wang, Fanyi Pu, Maijunxian Wang, Ran Ji, Tongxi Zhou,... 2026-08-27
交错生成 原生视觉推理 可验证奖励 基准测试 强化学习
✅ 已总结
详情 →

FM-Bench：竞争智能体长程管理能力基准

👍 10

让15个前沿大模型各管一家足球俱乐部20年，测谁会“经营”而不只是“执行”。

Tianyou Wang, Chongyang Gao, Kezhen Chen, Chen Dong, Yinghao He, Donghan Li,... 2026-08-20
LLM Agent 基准测试 多智能体竞技场 行为能力分解 长程决策
✅ 已总结
详情 →

ASI-Bench：迈向通用超级智能黎明的基准

👍 69

首个逐级撤除人类方法指导、评测AI自主科研能力的跨领域项目级基准

Junwei Zhou, Zhen Sun, Binyu Li, Jiangyu Zhou, Yuexi Pan, Hengyu Wang,... 2026-08-19
AI for Science 基准测试 大模型评测 智能体框架 自主科研智能体
✅ 已总结
详情 →