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 266 条结果
相关性 | 日期

AgentSWE：衡量编码智能体构建智能体能力的基准

👍 56

首个覆盖智能体创建、编辑、优化全生命周期的基准，测出编码智能体“演示”与“交付”间的巨大鸿沟

Jiahao Wang, Hongjin Qian, Yuyang Hu, Jiajun Zhang, Zheng Liu 2026-10-13
基准评测 智能体构建 泛化与过拟合 编码智能体 软件工程
✅ 已总结
详情 →

VIS-Ground：具有上下文接地的视频交互式叙事

👍 31

把异构上下文编译为可执行约束，让交互式视频续写同时忠于源、前缀与请求

Bingxuan Li, Yiwen Song, Xueqing Wu, Yanzhou Pan, Yang Li, Kuang Su, Jingyun... 2026-10-13
上下文接地 交互式叙事 基准评测 约束推理 视频生成
✅ 已总结
详情 →

Pumpire：度量距离估计统一基准

👍 16

首个以卷尺实测距离直接评测3D基础模型点对距离估计能力的统一基准，覆盖四类设置

Siyu Chen, Zehan Wang, Jiayang Xu, Yihan Wu, Jialei Wang, Junming Chen,... 2026-10-09
3D基础模型 基准评测 度量深度 深度补全 空间智能
✅ 已总结
详情 →

SWE-Game：编程智能体游戏开发能力评测基准

👍 29

以41个可执行参考游戏构建247个任务，用运行时证据加视觉评审评测六大模型的游戏开发能力

Xiaoyu Chen, Lai Wei, Jin Wang, Xiangyu Zou, Ruochen Fan, Enze Luo, Mingzhe... 2026-10-08
代码智能体 基准评测 多模态评估 游戏开发 运行时验证
✅ 已总结
详情 →

OmniReasoning：突破音视频联合推理的极限

👍 26

构建真正需要音视频协同的基准、11.2万条证据接地数据与模态分解自蒸馏训练方法，提升全模态联合推理

Junming Lin, Yuxuan Wang, Zhenxin Lei, Yuxin Liu, Ruixun Liu, Yinsong Yan,... 2026-10-06
基准评测 多模态大模型 强化学习 数据引擎 自蒸馏
✅ 已总结
详情 →