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 391 条结果
相关性 | 日期

基于可复用插件的智能体框架递归自改进

👍 8

将智能体框架拆解为可积累复用的插件，通过插件变异与重组实现递归优化

Yaorui Shi, Yuchun Miao, Yuxin Chen, Jiayuan Zhang, Yueqing Sun, Xierui... 2026-10-06
LLM智能体 插件化架构 智能体框架优化 自动化搜索 递归自改进
✅ 已总结
详情 →

后训练中的锐化税

👍 76

RL后训练用解覆盖率换取采样效率：锐化税量化此代价，PTGS按题难度自适应调温减税

Changdae Oh, Qi Zeng, Qi Qi, Andrey Zhmoginov, Deren Lei, Yun He, Hoang... 2026-10-02
LLM智能体 pass@K覆盖率 强化学习后训练 测试时扩展 贝叶斯自适应采样
✅ 已总结
详情 →

超越记忆：以显式信念状态驾驭长程智能体

👍 59

PoS为LLM智能体维护显式信念状态，检测并恢复信念陷阱，四个基准全面领先。

Yu Luo, Jiamin Jiang, Yimin Zuo, Xidao Wen, Rongchen Gao, Yongqian Sun,... 2026-10-02
LLM智能体 上下文管理 信念状态 推理时框架 长程决策
✅ 已总结
详情 →