⏶
86
QwenLong-L1：迈向基于强化学习的长上下文大型推理模型
⏶
66
Spatial-MLLM：提升MLLM在基于视觉的空间智能方面的能力
⏶
51
UniVG-R1: 结合强化学习的推理引导通用视觉定位
⏶
49
DeepCritic：使用大型语言模型进行审慎批判
⏶
43
Phi-4-reasoning 技术报告
⏶
40
OpenThinkIMG：通过视觉工具强化学习来学习用图像思考
⏶
39
Phi-4-Mini-Reasoning：探索小型推理语言模型在数学领域的极限
⏶
36
通过带有冷启动的强化学习推进多模态推理
⏶
34
MM-IFEngine：面向多模态指令跟随
⏶
33
Llama-Nemotron: 高效推理模型
⏶
32
Qwen3 Embedding：通过基础模型改进文本嵌入和重排序
⏶
28
cadrille: 基于在线强化学习的多模态 CAD 重建
⏶
25
Jigsaw-R1：基于拼图的规则化视觉强化学习研究
⏶
23
Satori-SWE：面向样本高效软件工程的进化式测试时缩放
⏶
23
UniRL: 基于监督学习与强化学习的自我改进统一多模态模型
⏶
18
WebDancer: 迈向自主信息寻求代理
⏶
17
大型语言模型能否帮助多模态语言分析？MMLA：综合基准
⏶
17
迈向 LLM 中的安全推理：AI 智能体式审议用于策略嵌入式 CoT 数据创建
⏶
16
AM-Thinking-v1：推进 32B 规模推理能力的前沿
⏶
16
MLE-Dojo：赋能机器学习工程中大型语言模型智能体的交互式环境
⏶
15
对先验的深思：大型语言模型在知识图谱上的可信推理
⏶
14
X-Reasoner：面向跨模态和领域的通用推理
⏶
13
如何增强大型推理模型的安全性：一项实证研究
⏶
13
完成胜于完美：通过结构化多轮分解解锁高效推理
⏶
12
DeepMath-103K：一个大规模、具有挑战性、已净化且可验证的数学数据集，用于推进推理
⏶
12
SimpleAR：通过预训练、SFT和RL推动自回归视觉生成的前沿
⏶
11
用于矢量图形生成的渲染感知强化学习
⏶
11
像经济学家一样推理：对经济问题进行后训练可诱导大型语言模型 (LLMs) 产生战略性泛化
⏶
10
合成数据 RL：任务定义就够了
⏶
10
ReasonGen-R1：基于SFT和RL的自回归图像生成模型思维链（CoT）
⏶
8
Think-RM：在生成式奖励模型中实现长周期推理
⏶
8
STAR-R1：通过强化多模态大语言模型实现空间变换推理
⏶
7
SafeKey: 增强顿悟时刻洞察以进行安全推理
⏶
7
Afterburner: 强化学习促进自我改进的代码效率优化
⏶
6
Transformer Copilot：在LLM微调中从错误日志中学习
⏶
5
SLiC-HF：基于人类反馈的序列似然校准
