⏶
98
Web-Shepherd：推进 PRMs 以增强 Web Agents
⏶
85
MMaDA: 多模态大型扩散语言模型
⏶
72
量化感知训练的缩放定律
⏶
53
扩散模型 vs 自回归语言模型：文本嵌入视角
⏶
51
UniVG-R1: 结合强化学习的推理引导通用视觉定位
⏶
43
用于计算机操作的高效 Agent 训练
⏶
37
这次不同：时间序列基础模型的可观测性视角
⏶
32
利用基于长度的自适应奖励塑形学习高效推理
⏶
25
Vid2World: 将视频扩散模型构建为交互式世界模型
⏶
23
从单张图像构建 3D 小镇
⏶
22
何时继续思考：用于高效推理的自适应思维模式切换
⏶
20
lmgame-Bench：LLMs 玩游戏水平如何？
⏶
17
学习通过思维混合进行逻辑推理
⏶
17
VerifyBench：面向大型语言模型的基于参考的奖励系统的基准测试
⏶
16
dKV-Cache：扩散语言模型的缓存
⏶
15
对先验的深思：大型语言模型在知识图谱上的可信推理
⏶
15
软思维：在连续概念空间中释放 LLM 的推理潜力
⏶
15
IA-T2I：互联网增强的文本到图像生成
⏶
14
RLVR-World: 利用强化学习训练世界模型
⏶
14
在开源 LLM 上微调时要小心：你的微调数据可能被秘密窃取！
⏶
13
如何增强大型推理模型的安全性：一项实证研究
⏶
12
DiCo：重振卷积网络，实现可扩展和高效的扩散建模
⏶
11
BARREL：用于事实性和可靠 LRMs 的边界感知推理
⏶
10
文本生成：超越离散词元采样
⏶
10
ConvSearch-R1：通过强化学习结合推理，增强对话式搜索的查询重述
⏶
7
AutoMat：通过 Agent 工具使用实现基于显微镜数据的自动化晶体结构重建
⏶
7
无需手动测试集评估偏差：大型语言模型（LLMs）的概念表示视角
⏶
6
熵最小化在LLM推理中的不可思议的有效性
⏶
5
VARD：利用基于价值的强化学习对扩散模型进行高效且密集微调
⏶
5
用于强化微调的先验提示工程
