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 80 条结果
相关性 | 日期

LLM的决策是否忠实于口头置信度？

👍 5

LLM能口头表达不确定性，却无法据此做出风险敏感的放弃决策

Jiawei Wang, Yanfei Zhou, Siddartha Devic, Deqing Fu 2026-01-13
LLM评估 不确定性量化 决策理论 置信度校准 风险敏感决策
✅ 已总结
详情 →

FinForge：半合成金融基准生成框架

👍 2

构建半合成流水线生成5000道高质量金融问答对用于评估LLM

Glenn Matlin, Akhil Theerthala, Anant Gupta, Anirudh JM, Rayan Castilla, Yi... 2026-01-13
LLM评估 半合成数据 基准构建 金融NLP 领域评测
✅ 已总结
详情 →

LLM基准测试的系统化评估

👍 34

提出BENCHMARK2框架评估基准测试质量，发现显著差异并构建精简评估方案

Qi Qian, Chengsong Huang, Jingwen Xu, Changze Lv, Muling Wu, Wenhao Liu,... 2026-01-08
LLM评估 基准测试 指标设计 评估方法
✅ 已总结
详情 →