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 后训练 RLVR 视频理解 机器人学习 多模态 长上下文 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 评测基准 高效推理 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 Transformer 参数高效微调 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 综述 信息检索 模仿学习 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 329 条结果
相关性 | 日期

DR Pixel：基于视觉语言模型的页面原生深度研究

👍 6

直接在渲染页面图像上检索与推理，无需OCR，反事实信用重加权让27B开源模型追平GPT-5.4

Tiansheng Hu, Yichuan Wang, James V. Talwar, Nicholas Tomlin, Chen Zhao, Sewon Min 2026-11-03
Agentic搜索 信用分配 基准构建 多模态检索 深度研究
✅ 已总结
详情 →

S-Agent 2.0：基于通用编程代理的空间推理

👍 38

给现成编码代理装上命令行感知工具包，闭环采集-记忆-解读证据链，五大空间基准全面领先

Rui Gong, Ruoyu Wang, Yalun Dai, Hao Li, Sidi Yang, Qihao Zhao, Hongyu Li,... 2026-10-21
3D感知 工具使用 智能体 空间推理 编码代理
✅ 已总结
详情 →

Holi-World：从人类第一视角经验构建整体世界智能

👍 41

把第一视角视频自动转化为可溯源的3D/4D标注生态，大幅提升模型空间与时间推理能力

Hao Li, Xiyuan Zheng, Yuanyuan Gao, Yalun Dai, Xinhao Ji, Xuan-Li Chen, Jing... 2026-10-20
3D检测与跟踪 4D场景理解 空间智能 自动数据标注 自我中心视觉
✅ 已总结
详情 →

StopWatch：物体目标导航中的显式目标接地

👍 3

诊断出 VLM 导航策略败在目标接地，以双模型显式接地文本在六项基准全部登顶

Xinhao Liu, Yunsheng Tian, Yuheng Qiu, Pieter Abbeel, Xi Chen, Guanya Shi, Chen Feng 2026-10-19
具身导航 基准修正 开放词汇 物体目标导航 行为克隆
✅ 已总结
详情 →