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

MemSyco-Bench：评估智能体记忆中谄媚行为的基准测试

👍 26

首个评估长期记忆系统如何不当影响决策的基准测试，揭示现有智能体普遍存在记忆诱导的谄媚问题

Zhishang Xiang, Zerui Chen, Yunbo Tang, Zhimin Wei, Ruqin Ning, Yujie Lin,... 2026-07-02
基准测试 智能体记忆 记忆可靠性 谄媚行为 长期交互
✅ 已总结
详情 →

超越 IID：表格基础模型究竟有多通用？

👍 40

统一基准评估发现表格基础模型在非IID场景中不及传统模型

Lennart Purucker, Andrej Tschalzev, Nick Erickson, Gioia Blayer, David... 2026-06-30
基准测试 数据集策展 机器学习评估 表格基础模型 非IID数据
✅ 已总结
详情 →

超越药物发现：纳米技术分子优化基准

👍 5

提出面向纳米技术应用的分子优化基准，用量子模拟替代代理指标

Matthias Blaschke, Daniel Kienzle, Zsuzsanna Koczor-Benda, Julian Lorenz,... 2026-06-30
分子优化 分子生成 基准测试 纳米技术 量子模拟
✅ 已总结
详情 →

GridVQA-X：评估多模态可解释性方法的框架

👍 4

首个严格评估跨模态可解释性的诊断框架，揭示现有方法无法区分真正的空间推理与浅层捷径

Sujay Belsare, Sudarshan Nikhil, Sushant Kumar, Ponnurangam Kumaraguru,... 2026-06-25
VQA 可解释性 因果推理 基准测试 多模态AI
✅ 已总结
详情 →