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 317 条结果
相关性 | 日期

RoboDojo：通用机器人操作策略综合评估的统一模拟与现实基准

👍 11

提出包含42个模拟任务和18个现实世界任务的统一基准，评估通用机器人操作策略在泛化、记忆、长期执行、精度和开放语义五个维度的能力。

Tianxing Chen, Yue Chen, Zixuan Li, Junyuan Tang, Kailun Su, Haoran Lu,... 2026-07-09
基准测试 机器人学习 机器人操作 模拟与现实评估 通用策略
✅ 已总结
详情 →

数据智能体综合基准测试AgenticDataBench

👍 35

构建覆盖15个领域433项技能的数据智能体综合评测基准

Zhaoyan Sun, Shan Zhong, Daizhou Wen, Jiaxing Han, Guoliang Li, Ying Yan,... 2026-07-03
LLM评估 任务生成 基准测试 技能提取 数据智能体
✅ 已总结
详情 →

MemSyco-Bench：评估智能体记忆中谄媚行为的基准测试

👍 29

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 →