⏶
164
QeRL：超越效率——面向大型语言模型的量化增强强化学习
⏶
156
具有表示自编码器的扩散 Transformer
⏶
50
潜在细化解码：通过细化信念状态增强基于扩散的语言模型
⏶
45
OmniVideoBench：迈向全景多模态大模型（MLLMs）的视听理解评估
⏶
35
RLFR：通过流环境将强化学习扩展到大语言模型（LLMs）
⏶
35
多模态强化学习中的 Token 感知聚焦
⏶
33
InternSVG：通过多模态大语言模型实现统一 SVG 任务
⏶
30
揭秘强化学习在智能体推理中的应用
⏶
29
DiT360：通过混合训练实现高保真全景图像生成
⏶
28
AVoCaDO：一个由时间编排驱动的视听视频字幕生成器
⏶
27
BrowserAgent：利用人类启发式网页浏览行为构建网页代理
⏶
27
不要仅仅微调代理，要调整环境
⏶
26
DocReward：用于结构化和风格化的文档奖励模型
⏶
26
通过合成数据构建通用代理系统（Agentic Systems）的基础安全护栏
⏶
26
ACADREASON：利用学术研究问题探索推理模型的极限
⏶
25
GAR：用于形式定理证明的生成对抗强化学习
⏶
22
使数学推理适应性化
⏶
19
FinAuditing：一个用于评估大型语言模型的金融分类学结构化多文档基准
⏶
18
Vlaser：具有协同具身推理的视觉-语言-动作模型
⏶
17
GIR-Bench：用于生成具有推理能力的图像的多功能基准
⏶
16
AdaViewPlanner：适应视频扩散模型用于 4D 场景中的视点规划
⏶
14
SPG：面向掩码扩散语言模型的夹层策略梯度
⏶
14
关于视觉令牌的认知不确定性对大型视觉-语言模型中对象幻觉的影响
⏶
13
CodePlot-CoT：通过代码驱动图像进行思考的数学视觉推理
⏶
13
SwarmSys: 去中心化的类群启发式智能体，用于可扩展和自适应的推理
⏶
11
FastHMR：通过令牌和层合并以及扩散解码加速人体网格恢复
⏶
11
使用高斯散点图生成高保真模拟数据，用于现实世界中的零样本机器人操作学习
⏶
11
Stable Video Infinity：带有错误循环的无限长视频生成
⏶
10
ReLook：一种具有多模态大语言模型（LLMs）评论员的视觉基础强化学习，用于代理式网页编码
⏶
9
测试时期的自改进大型语言模型代理
⏶
9
技能定向自适应训练
⏶
8
HUME：衡量文本嵌入任务中人类-模型性能差距
⏶
8
攻击者后手：更强的自适应攻击绕过大语言模型越狱和提示注入防御
⏶
7
PEAR：用于高效推理的相位熵感知奖励
⏶
6
个性化陷阱：用户记忆如何改变大型语言模型中的情感推理
⏶
6
LikePhys：通过似然偏好评估视频扩散模型中的直观物理理解能力
⏶
5
InfiniHuman：具有精确控制的无限3D人像创建
⏶
5
VER：通过基础蒸馏和动态路由实现机器人学习的视觉专家 Transformer
⏶
5
从数据到奖励：最大似然估计的双层优化视角
⏶
4
RePro：训练语言模型以忠实地回收网络数据进行预训练
⏶
4
World-To-Image: 通过智能体驱动的世界知识来约束文本到图像的生成
⏶
4
面向对话代理的多模态策略内化
⏶
4
oMeBench：迈向有机机制阐释与推理中大型语言模型的鲁棒性基准测试
⏶
3
图扩散 Transformer 是上下文分子设计器
⏶
3
LLaMAX2：您的翻译增强模型在推理方面表现也很好
⏶
3
AndesVL 技术报告：一款高效的移动端多模态大语言模型
⏶
3
大语言模型与诱导式小型代理：可扩展的知识挖掘代理
⏶
3
VLM 引导的自适应负面提示用于创意生成
