课程学习 LLM-DailyDigest 2026-08-07 2026-08-07 约 100 字 预计阅读 1 分钟 课程学习 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 元智能体 1 元代理：通过自我进化的代理元学习工具 08-04 具身规划 1 DeliveryGym：面向长程具身规划的自适应课程强化学习环境 09-18 协同演化 3 STRETCH：动态挑战驱动的自授式 LLM 渐进演化框架 09-17 清华 CPMöbius：Coach-Player 协作共演化实现自主出题训练 08-12 Socratic-Zero：以苏格拉底式教学推动智能体协同进化 12-31 图像编辑 1 DARS：面向指令图像编辑的双层信用分配强化学习 08-21 在策略蒸馏 1 更少数据、更佳时机：面向时序视频定位的学生-课程耦合在策略蒸馏 10-01 地理课程 1 基于地理隔离的可扩展遥感自监督学习 08-22 学术论文写作 1 1947篇AI顶会论文揭示高质量论文写作法则 08-14 安全评测 1 课程强化学习破解前沿模型提示注入红队冷启动 09-29 实践学习 1 MetaAgent：通过边做边学实现持续自我完善 12-31 工具使用训练 1 MATCH：模型感知课程调度与分层门控奖励的工具学习 09-18 持续学习 1 Replay on Demand：按需回放平衡持续预训练中的适应与遗忘 10-01 数学推理 1 Tiny Transformer 的算法草稿纸与算术课程分阶段训练 10-08 数据合成 2 AutoData：智能体生成高质量合成训练数据 10-27 真实世界训练数据是否是通用图异常检测的必要条件？ 10-09 数据自演化 1 BigBang-V1：35B 模型用自演化合成数据挑战万亿参数模型 08-07 数据课程 1 面向通用图像生成的能力中心化数据设计 08-19 智能体自进化 1 AnchorLoop：历史锚点驱动的工具智能体自进化训练 10-08 模型可靠性 1 自改进智能体的脆弱性：方差、任务顺序与规格不足 08-19 环境合成 1 终端智能体的环境演化 09-07 策略优化 1 MimicX：策略在环的视频驱动人形机器人运动跟踪 10-08 脚手架优化 1 ActiveSaddler：以自动化课程学习优化智能体脚手架 10-08 自博弈 1 SSR：通过自博弈训练超智能软件智能体 08-14 课程学习 6 拉马克驾驶学校：以进化竞争发现自动驾驶训练策略 10-09 Frontier Learning：在能力边界训练大模型推理器 09-30 IV-EWC 缓解数学推理课程学习中的灾难性遗忘 09-29 合成任务扩展训练大模型进行小分子设计 09-07 PAC：面向大模型多任务强化学习的进度增强优势课程 09-01 百个种子问题驱动的多智能体课程生成 12-31 连续推理 1 扩散课程训练实现无时间步迭代推理 09-02 预训练 1 学习潜在多表征实现先验数据拟合关系模型 10-19
