⏶
140
面向 LLM 的代理强化学习景观：一篇调查报告
⏶
99
UI-TARS-2 技术报告：通过多轮强化学习推进 GUI 代理
⏶
76
SimpleTIR：用于多轮工具集成推理的端到端强化学习
⏶
74
LLaVA-Critic-R1：你的批评模型秘密是一个强大的策略模型
⏶
59
VerlTool：迈向以工具使用为核心的整体代理强化学习
⏶
52
ELV-Halluc: 评估长视频理解中的语义聚合幻觉
⏶
42
POINTS-Reader：用于文档转换的免蒸馏视觉语言模型自适应
⏶
32
Baichuan-M2：使用大型验证器系统扩展医疗能力
⏶
32
门控联想记忆：用于高效序列建模的并行 O(N) 架构
⏶
29
Kwai Keye-VL 1.5 技术报告
⏶
27
Reasoning Vectors：通过任务算术转移思维链能力
⏶
24
OpenVision 2：用于多模态学习的生成式预训练视觉编码器系列
⏶
22
通过监督学习框架实现 RLVR 的隐式 Actor-Critic 耦合
⏶
22
联合强化语言模型生成的多样性和质量
⏶
20
GenCompositor：基于扩散 Transformer 的生成视频合成
⏶
20
大型语言模型预训练优化器基准测试
⏶
18
FlashAdventure：用于 GUI 代理解决多样化冒险游戏中完整故事线上的基准测试
⏶
18
DCPO：动态裁剪策略优化
⏶
17
DynaGuard：一个具有用户定义策略的动态防护模型
⏶
14
基于嵌入的检索的理论局限性
⏶
13
属性作为文本基因：利用 LLM 作为遗传算法模拟器进行条件合成数据生成
⏶
11
M3Ret：通过自监督释放零样本多模态医学图像检索能力
⏶
10
通用深度研究：自带模型和策略
⏶
10
精彩的预训练优化器及其出处
⏶
10
空房间里的金牌：用 Camlang 诊断 LLM 中的元语言推理
⏶
5
MobiAgent：用于可定制移动代理的系统框架
⏶
5
ViSTA-SLAM：基于对称双视图关联的视觉 SLAM
⏶
4
离散噪声反演用于下一代自回归文本图像编辑
⏶
3
SQL-of-Thought：具有引导式错误校正的多代理文本到SQL
⏶
3
Metis：使用先进的低比特量化训练大型语言模型
