把技能生成建模为顺序编辑过程,用回滚奖励训练技能编辑策略
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
构建误导知识评测框架MisKnow-Agent,单篇假文档即令54.7%的研究报告采信虚假结论。
把记忆重构为五原语生命周期,以验证式压缩实现线性成本与保真。
引导智能体构建平台原生可编辑 DAG 数据流水线,弥合 NL2Pipeline 鸿沟。
首个通用医学影像自主多智能体建模框架,以数据条件规划与验证引导搜索,19/20任务超越基线。
我们准备好构建原生Agent记忆系统了吗?
👍 138从数据管理视角系统评估LLM Agent记忆系统,揭示架构设计的关键权衡与最佳实践
研究发现工具调用与JSON Schema约束同时启用时,多个开源模型完全停止调用工具的现象
提出首个直接评估长期记忆恢复能力的基准,揭示任务成功不等于可恢复用户状态
用双粒度框架调和文本压缩与硬件 KV 缓存对齐,显著降低长程智能体推理成本
将LLM记忆访问从被动检索重构为主动多步推理,在长对话任务上以更低成本取得SOTA。
将 Agent 运行时框架视为一等公民,通过类型化组合与轨迹驱动进化实现 +14.5% 平均提升。
通过架构设计而非模型规模实现高性能Web代理,在四大基准上取得开放模型SOTA
构建4,818个文档到仓库生成任务数据集,提升长视界代码生成能力
通过在LLM隐藏表示层注入参数化身份向量,解决公众舆论模拟中的多样性坍塌问题
用编译器串行流水线与复活机制,在生产级长链路工程中运行时评估智能体模型。
提出一个基于能力的运行时边界,确保LLM Agent在自我进化时不会 silently 扩展其资源权限
提出评测个性化说服力的基准,发现用户画像建模是关键瓶颈
提出步骤级故障归因的训练无关技能自适应方法,提升 LLM 智能体长周期任务性能
首个系统性评估框架,揭示skill增强的实际效果与局限性
评估 LLM 交互式因果发现能力的基准环境,区分预测准确度与机制理解