⏶
90
MultiFinBen: 一个多语言、多模态、难度感知的金融大模型评估基准
⏶
60
扩展LLM智能体的测试时计算能力
⏶
53
CMI-Bench：一个用于评估音乐指令遵循的综合基准
⏶
43
LongLLaDA：释放扩散式大语言模型的长上下文能力
⏶
37
具有可验证奖励的强化学习隐式激励基础LLM中的正确推理
⏶
37
Xolver：通过整体经验学习进行多智能体推理，就像奥林匹克竞赛团队一样
⏶
30
通过强化学习实现高效医学 VIE
⏶
27
V-JEPA 2：自监督视频模型实现理解、预测和规划
⏶
26
Stream-Omni：与大型语言-视觉-语音模型进行同步多模态交互
⏶
26
探索性推理：一个熵视角
⏶
18
对齐你的流：扩展连续时间流图蒸馏
⏶
17
QFFT：用于自适应推理的无问微调
⏶
16
LLM 能为算法问题生成高质量测试用例吗？TestCase-Eval：故障覆盖率和暴露的系统性评估
⏶
14
从字节到思想：使用自回归 U-Net 进行语言建模
⏶
11
担保猜测：一种具有测试保证的CISC到RISC转译语言建模方法
⏶
11
优化大型推理模型中的长度压缩
⏶
10
VideoMolmo：时空定位遇上指向
⏶
10
EfficientVLA：面向视觉-语言-动作模型的免训练加速和压缩
⏶
10
CRITICTOOL：评估大型语言模型在工具调用错误场景中的自我批判能力
⏶
9
环境扩散 Omni：用坏数据训练好模型
⏶
9
Ring-lite：通过C3PO稳定化的强化学习实现LLM的可扩展推理
⏶
9
xbench：通过与职业对齐的真实世界评估追踪智能体的生产力扩展
⏶
6
驯服大语言模型中的多义性：通过稀疏自编码器实现可证明的特征恢复
⏶
6
Router-R1: 通过强化学习教会LLM多轮路由和聚合
