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 视觉语言模型 世界模型 GRPO 多模态大模型 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 自监督学习 工具使用 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 RAG 参数高效微调 LoRA 视觉-语言-动作模型 Flow Matching 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 112 条结果
相关性 | 日期

验证视界：编码 Agent 奖励机制的银弹不存在

👍 51

研究编码 Agent 训练中的奖励信号设计问题，提出验证器与生成器协同进化的框架

Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen,... 2026-06-26
Agent 评估 代码生成 大语言模型 奖励设计 强化学习
✅ 已总结
详情 →

Multi-LCB：将LiveCodeBench扩展到多种编程语言

👍 60

将Python代码基准扩展到12种语言，揭示LLMs的Python过拟合和多语言性能差异

Maria Ivanova, Pavel Zadorozhny, Rodion Levichev, Ivan Petrov, Adamenko... 2026-06-19
代码生成 基准测试 多语言评估 大语言模型 污染感知评估
✅ 已总结
详情 →

基于归一化流的潜空间推理

👍 8

用标准化流在LLM中建模连续思维链，保持自回归接口并支持策略梯度优化

Guancheng Tu, Xiangjun Fu, Suhao Yu, Yao Tang, Haoqiang Kang, Lianhui Qin,... 2026-06-05
代码生成 大语言模型 思维链推理 标准化流 潜在表示
✅ 已总结
详情 →

MiniMax-M2 系列:极小激活参数释放极致真实世界智能

👍 41

9.8B 激活参数的 MoE 大模型,通过 Agent 数据管线+Forge 强化学习系统+自我进化,在编码与办公 Agent 任务上比肩头部闭源模型

MiniMax, Aili Chen, Aonian Li, Baichuan Zhou, Bangwei Gong, Binyang Jiang,... 2026-05-27
Agent MoE Speculative Decoding 代码生成 强化学习
✅ 已总结
详情 →