⏶
109
TabSTAR：一个具有语义目标感知表示的基础表格模型
⏶
86
QwenLong-L1：迈向基于强化学习的长上下文大型推理模型
⏶
77
利用检索和代码工具将LLM智能体蒸馏到小模型
⏶
73
Quartet: 对于大型语言模型，原生的 FP4 训练可以是最佳的
⏶
64
推理模型很顽固: 诊断推理模型中的指令覆盖
⏶
59
视觉三元统一强化学习：一种强化学习看遍所有
⏶
48
PhyX: 你的模型是否具备物理推理的“智慧”？
⏶
42
QwenLong-CPRS: 迈向具有动态上下文优化的无限长LLM
⏶
39
规模化图像和视频生成：通过测试时演化搜索
⏶
30
模型早已知道最佳噪声：视频扩散模型中基于注意力机制的贝叶斯主动噪声选择
⏶
30
MOOSE-Chem3：迈向实验引导的假说排序，通过模拟实验反馈
⏶
24
VeriThinker：学习验证让推理模型更高效
⏶
20
扩散分类器理解组合性，但有条件限制
⏶
18
AudioTrust：评估音频大型语言模型的多方面可信度
⏶
18
Direct3D-S2：利用空间稀疏注意力轻松实现超大规模三维生成
⏶
18
位置不确定性：大型语言模型中位置偏差的跨语言研究
⏶
17
s3: 通过强化学习训练一个搜索智能体，你不需要那么多数据
⏶
15
教学中的谎言: 基于合成负样本的课程DPO用于幻觉检测
⏶
14
思想增强策略优化：弥合外部指导与内部能力之间的差距
⏶
14
Time-R1: 迈向大语言模型中的全面时间推理
⏶
14
FullFront：贯穿完整前端工程工作流程的 MLLMs 基准测试
⏶
11
Speechless：适用于低资源语言的无需语音的语音指令训练
⏶
11
晴朗的夜晚就在前方：迈向多天气夜间图像恢复
⏶
10
通过合成任务和强化学习教会大型语言模型保持上下文忠实性
⏶
10
合成数据 RL：任务定义就够了
⏶
10
RBench-V: 对具有多模态输出的视觉推理模型的初步评估
⏶
9
Trinity-RFT：用于大型语言模型强化微调的通用统一框架
⏶
9
ScanBot：迈向具身机器人系统中的智能表面扫描
⏶
8
视觉语言模型在现实世界中安全吗？一项基于Meme的基准研究
⏶
7
RePrompt: 用于文本到图像生成的推理增强重复提示，通过强化学习
⏶
6
Transformer Copilot：在LLM微调中从错误日志中学习
⏶
6
用于视觉-语言-动作模型的交互式后训练
⏶
6
DanceTogether!：保留身份的多人交互式视频生成
⏶
5
关于用于LLM推理的KL正则化策略梯度算法的设计
⏶
5
大型语言模型仅通过阅读就能隐式学习看和听
⏶
5
ReflAct：通过目标状态反思实现 LLM 代理中基于世界的决策
