⏶
80
学习在离策略指导下进行推理
⏶
65
Eagle 2.5：提升前沿视觉-语言模型的长上下文后训练
⏶
46
FlowReasoner：增强查询级元代理
⏶
43
ToolRL：奖励是工具学习的全部需求
⏶
33
OTC：基于强化学习的最优工具调用
⏶
31
X-Teaming：使用自适应多智能体的多轮越狱和防御
⏶
28
UFO2：桌面代理操作系统
⏶
28
SphereDiff：通过球形潜在表示进行免调优的全方位全景图像和视频生成
⏶
24
THOUGHTTERMINATOR: 推理模型中的基准测试、校准和过度思考的抑制
⏶
23
从另一个角度看：评估 MLLM 中的多视图理解
⏶
23
StyleMe3D：在 3D 高斯上通过多编码器和解耦先验进行风格化
⏶
21
EasyEdit2：易于使用的指导框架，用于编辑大型语言模型
⏶
20
Uni3C：统一精确地三维增强型相机和人体运动控制，用于视频生成
⏶
19
LeetCodeDataset：用于代码 LLM 的稳健评估和高效训练的时间数据集
⏶
13
InfiGUI-R1：将多模态 GUI 代理从反应式执行者提升到审慎推理器
⏶
12
LearnAct：具有统一演示基准的少样本移动 GUI 代理
⏶
11
DRAGON：分布奖励优化扩散生成模型
⏶
10
用于通过强化压缩视频立方体实现高效视频理解的 LMM
