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 57 条结果
相关性 | 日期

DataClaw0：智能体裁剪原始流的多模态数据

👍 74

提出智能体数据裁剪框架，将高熵原始多模态流转换为意图对齐的结构化训练数据

Cong Wan, Zeyu Guo, Zijian Cai, Jiangyang Li, SongLin Dong, Lin Peng,... 2026-06-23
多模态学习 强化学习 数据合成 数据工程 智能体
✅ 已总结
详情 →

QUEST：用全合成任务训练前沿深度研究智能体

👍 46

通过统一评分树合成8K任务并配合Mid-Training/SFT/RL三阶段训练，35B模型在8个深度研究基准上逼近闭源系统。

Jian Xie, Tianhe Lin, Zilu Wang, Yuting Ning, Yuekun Yao, Tianci Xue, Zhehao... 2026-05-26
LLM训练 RLHF Web Agent 开源 数据合成
✅ 已总结
详情 →

ACC：将智能体轨迹编译为长上下文训练数据

👍 61

把多轮智能体工具调用轨迹重编译成长上下文问答对，训练LLM的长程推理

Qisheng Su, Zhen Fang, Shiting Huang, Yu Zeng, Yiming Zhao, Kou Shi, Ziao... 2026-05-22
MoE大模型 数据合成 智能体轨迹 监督微调 长上下文推理
✅ 已总结
详情 →