⏶
97
rStar2-Agent：Agentic推理技术报告
⏶
85
Pref-GRPO：基于成对偏好奖励的GRPO，用于稳定的文本到图像强化学习
⏶
56
MCP-Bench：通过MCP服务器对使用工具的LLM Agent进行复杂现实世界任务的基准测试
⏶
56
USO：通过解耦和奖励学习实现统一风格和主题驱动的生成
⏶
37
AWorld：为智能体AI编排训练配方
⏶
30
长视频生成的上下文混合
⏶
21
TCIA：面向指令微调的任务中心指令增强方法
⏶
20
多视角三维点跟踪
⏶
14
扭转咒语：通过秩一安全注入实现轻量级对齐放大
⏶
12
OneReward：通过多任务人类偏好学习实现统一的蒙版引导图像生成
⏶
9
大型语言模型工具内学习的可证明优势
⏶
8
CogVLA：通过指令驱动的路由与稀疏化实现认知对齐的视觉-语言-动作模型
