标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 87 条结果
相关性 | 日期

LLM后训练中删除权重的惊人有效性

👍 5

仅学一个二值掩码删掉不到0.05%权重即可媲美全参微调

Jack Lu, Zhenbang Yang, Mike Lasby, Tejas Pote, Yani Ioannou, Mengye Ren 2026-11-11
LLM后训练 RLVR 剪枝 参数高效微调 持续学习
✅ 已总结
详情 →

预填充到自回归跨模型迁移的机遇与挑战

👍 16

开源PLatour用RL训练大小模型间线性桥，PACT-Check揭示部分收益并非真正来自信息传递

Zhenyi Shen, Junru Lu, Wei Liu, Jiangnan Ye, Jiazheng Li, Di Yin, Xing Sun,... 2026-11-06
参数高效微调 大模型协作 强化学习 推理效率 潜在通信
✅ 已总结
详情 →

Glance：生成器即重排器

👍 13

给生成器加装轻量决策适配器，一次共享预填充同时完成重排与答案生成

Adilet Metinov, Chingiz Arziev 2026-10-30
KV Cache 复用 参数高效微调 检索增强生成 重排序
✅ 已总结
详情 →

Harness–模型协同的长时程持续学习

👍 11

经验卡外部记忆加经验条件化LoRA持续微调，兼顾快速复用与长期保留

Zhen Bi, Zhizhi Peng, Yan Wang, Xueshu Chen, Haofei Zhang, Yaobo Zhang, Zeyu... 2026-10-28
LLM智能体 Web Agent 参数高效微调 持续学习 经验记忆
✅ 已总结
详情 →

聚焦式全模态 GUI 智能体

👍 31

零初始化残差适配器让冻结全模态模型按步聚焦关键证据，缓解 GUI 智能体的序列干扰

Fuyao Zhang, Wenwen He, Jiaming Zhang, Yurong Hao, Xuan Wang, Guowei Guan,... 2026-10-21
GUI智能体 全模态模型 参数高效微调 序列决策 注意力机制
✅ 已总结
详情 →

HyperThink：面向高效推理的文本到参数超网络

👍 6

用超网络把思维链推理摊销为单次查询条件化参数更新，让冻结LLM免生成思考痕迹即可高效推理。

Donggyun Kim, Jack Lu, Chanwoo Kim, Mengye Ren, Seunghoon Hong 2026-10-13
参数高效微调 向量量化 思维链蒸馏 测试时适配 超网络
✅ 已总结
详情 →

狭窄多模态微调可诱发涌现性失对齐

👍 3

在无害的图像-文本对上做狭窄微调，就能让视觉语言模型在无关任务上广泛失对齐

Shunchang Liu, Lukas Fluri, Xin Chen, Francesco Croce 2026-10-13
AI安全 参数高效微调 多模态 模型对齐 涌现性失对齐
✅ 已总结
详情 →

UNREAL：用单一模型统一检索与长上下文

👍 20

冻结LLM内部读出检索信号,仅训不到50万参数,同时胜任语料检索与长上下文证据选择

Edan Kinderman, Elad Hoffer, Yochai Blau, Brian Chmiel, Ron Banner, Daniel... 2026-10-07
参数高效微调 密集检索 检索增强生成 证据选择 长上下文
✅ 已总结
详情 →

PaLoRA：面向持续学习的节奏化低秩适配

👍 8

推导出梯度步长应随历史知识有效秩按√R增长的节奏律，实现持续学习稳定-可塑性的最优平衡

Yuxuan Li, Fanhu Zeng, Hao Tang 2026-10-06
LoRA 参数高效微调 持续学习 灾难性遗忘 理论分析
✅ 已总结
详情 →