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 1234 条结果
相关性 | 日期

数据世界：从零构建可扩展的数据环境

👍 36

先指定数据背后的生成机制再合成文件与评分标准，为数据智能体提供可审计的环境和RL训练信号

Zhanli Li, Zeyuan Xu, Chaoxu Pang, Zeyuan Liu, Anyang Ji, Te Sun, Kongcheng... 2026-10-16
合成数据 基准评测 强化学习 数据智能体 环境合成
✅ 已总结
详情 →

CommerceGen-Studio：商用级电商主图端到端生成框架

👍 25

阿里端到端电商主图生成系统：抽取卖点、改写布局、多条件生成，5秒出图、日产百万级，效果比肩闭源旗舰。

Xiaoli Xu, Zhengtao Wu, Zhengze Xu, Tao Liu, Yongchao Du, Zuan Gao, Xingjian... 2026-10-16
LLM智能体 强化学习 扩散Transformer 文本渲染 生产级系统
✅ 已总结
详情 →

LensErase：万物擦除基础模型

👍 40

以1.01亿对配对数据和掩码感知RoPE，把文生图先验改造成通用图像擦除基础模型

Yunuo Chen, Xiuyu Wu, Qinhong Yang, Jinjing Zhao, Yanchen Dong, Sirui Zhang,... 2026-10-15
图像编辑 基础模型 强化学习 扩散模型 流匹配
✅ 已总结
详情 →

大语言模型强化学习中的思维泄漏

👍 25

无思维模式的RL增益大部分来自重新激活原有思维模式，而非学到新推理能力

Wenxuan Zhu, Shuming Liu, Bang An, Aznaur Aliev, Bing Li, Yibo Yang, Bernard Ghanem 2026-10-15
GRPO 强化学习 机制可解释性 混合推理 激活修补
✅ 已总结
详情 →

Apertus 1.5：从开放文本模型到开放多模态推理器

👍 17

持续预训练将全开放文本模型升级为具备图像音频理解、262K上下文与思考模式的多模态推理器

Project Apertus, Yixuan Xu, Yassine Turki, Vinko Sabolčec, Valentina... 2026-10-15
偏好对齐 多模态 开源大模型 强化学习 持续预训练
✅ 已总结
详情 →

ProgAgent：用程序化训练学习工具编排

👍 11

以215个可验证任务训练模型用代码编排工具，64k环境状态下通过率30.7%而同规模基线为0

Hao Li, Keqing He, Longtao Zheng, Junlong Li, Weihao Zeng, Qian Liu, Yuzhen Huang 2026-10-15
LLM智能体 上下文管理 任务合成 强化学习 程序化工具调用
✅ 已总结
详情 →