⏶
53
反馈摩擦：LLMs 难以充分吸收外部反馈
⏶
37
有效红队测试策略遵守型智能体
⏶
36
扩散对偶性
⏶
32
通过跨模态注意力注入对齐的新视角图像与几何合成
⏶
22
LiveCodeBench Pro: 奥林匹克奖牌得主如何在竞技编程中评判大型语言模型？
⏶
22
ViCrit：一个用于视觉语言模型（VLM）中视觉感知的可验证强化学习代理任务
⏶
20
超越同质注意力：通过傅里叶近似的KV缓存实现内存高效的LLM
⏶
16
Med-PRM：一种带有逐步、指南验证过程奖励的医疗推理模型
⏶
14
SwS：强化学习中用于LLM推理的自我感知弱点驱动问题合成
⏶
10
DeepVideo-R1：通过难度感知回归式GRPO进行视频强化微调
⏶
10
JAFAR：在任何分辨率下提升任何特征
⏶
8
pLSTM：可并行化线性源转换标记网络
⏶
8
LoRA-Edit：通过掩码感知LoRA微调实现可控的首帧引导视频编辑
⏶
8
别理会
⏶
7
SkillBlender: 通过技能融合迈向多功能人形机器人全身运动与操作
⏶
7
针对交错图像-文本生成的高质量数据集和可靠评估
⏶
7
AbstentionBench：推理大型语言模型在无解问题上失败
⏶
6
密集检索器在简单查询上可能失效：揭示嵌入的粒度困境
