⏶
56
Voila：用于实时自主交互和语音角色扮演的语音-语言基础模型
⏶
47
RM-R1：奖励建模即推理
⏶
44
野外Grokking：用于真实世界Transformer多跳推理的数据增强
⏶
30
Muon用于预训练的实用效率
⏶
20
FormalMATH：大型语言模型形式化数学推理的基准测试
⏶
20
ReplaceMe：通过层剪枝和线性变换进行网络简化
⏶
20
通过拒绝采样和强化学习中的梯度方差最小化来优化思维链推理器
⏶
19
大型语言模型推理引擎综述：优化与效率的视角
⏶
18
R1-Reward：通过稳定强化学习训练多模态奖励模型
⏶
18
用于LLMs的基于强化学习的智能体推理和工具集成
⏶
16
Think on your Feet：用于社交智能体的基于强化学习的自适应思维
⏶
14
SkillMimic-V2：从稀疏和嘈杂的演示中学习鲁棒且泛化的交互技能
