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 67 条结果
相关性 | 日期

GateMem：多主体共享记忆代理中的记忆治理基准

👍 18

首个多主体共享记忆治理基准，综合评估记忆代理的效用、访问控制和主动遗忘能力。

Zhe Ren, Yibo Yang, Yimeng Chen, Zijun Zhao, Benshuo Fu, Zhihao Shu, Bingjie... 2026-06-22
主动遗忘 共享记忆治理 基准评测 大语言模型代理 访问控制
✅ 已总结
详情 →

AgentCL：迈向语言智能体持续学习的严格评估

👍 5

提出受控任务流与可塑性/稳定性/泛化三类增益指标，严格评估智能体的持续学习。

Yiheng Shu, Bernal Jiménez Gutiérrez, Saisri Padmaja Jonnalagedda, Yuguang... 2026-06-03
可塑性-稳定性权衡 基准评测 持续学习 语言智能体 非参数记忆
✅ 已总结
详情 →

多场景长文本语音生成综合评测基准

👍 32

提出SwanBench-Speech，覆盖17种场景的7维自动化评测基准，揭示当前模型在混响一致性、韵律连贯性和表现力上的显著差距。

Changhao Pan, Rui Yang, Han Wang, Zhuan Zhou, Xuming He, Wenxiang Guo, Ziyue... 2026-06-01
基准评测 多模态评估 对话生成 语音合成 长文本生成
✅ 已总结
详情 →

用人工智能预测科学进展

👍 45

提出CUSP基准，揭示前沿模型能识别可行方向却无法可靠预测科学突破是否及何时发生

Sean Wu, Pan Lu, Yupeng Chen, Jonathan Bragg, Yutaro Yamada, Peter Clark,... 2026-05-22
不确定性校准 基准评测 大模型评测 时间推理 知识截止
✅ 已总结
详情 →

交互式评估需要一门设计科学

👍 14

立场论文：把交互式评估从基准格式升级为设计科学，提出E:X→Y框架与两轴分类法。

Keyang Xuan, Peiyang Song, Pan Lu, Pengrui Han, Wenkai Li, Zhenyu Zhang,... 2026-05-20
LLM智能体 交互式评估 分类法 基准评测 立场论文
✅ 已总结
详情 →