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 124 条结果
相关性 | 日期

FewStepRL：用强化学习微调少步扩散模型

👍 8

系统地将五种扩散模型RL目标适配到少步蒸馏模型，统一代码库对比并给出选型指南

Haitao Lin, Minsi Ren, Yang Li, Xingtong Ge, Zheyuan Hu, Peiyan Hu, Tailin Wu 2026-11-10
后训练 少步生成 强化学习 扩散模型 文生图
✅ 已总结
详情 →

RSI Arena：迈向有人类反馈的递归自我改进

👍 26

十个前沿AI智能体在真实资源约束下自主后训练同一基座模型，并用人类投票反馈继续改进

Yue Huang, Yanbo Wang, Lichi Li, Yuanyuan Chen, Andreas Haupt, Xiaonan Luo,... 2026-10-28
AI智能体 人类反馈 后训练 模型评估 递归自我改进
✅ 已总结
详情 →

Player-1：从合成经验中学习游戏操控

👍 56

SFT初始化后，在16个可验证奖励合成环境中做PPO，让游戏操控超越演示并泛化到未见游戏。

Mingyu Ouyang, Yiran Wang, Siyuan Hu, Xingyilang Yin, Huiqiang Sun, Guangzhi... 2026-10-15
合成环境 后训练 强化学习(RLVR) 游戏智能体 计算机使用智能体
✅ 已总结
详情 →

Vela：以用户行为为监督点燃大模型智能

👍 76

把10万用户真实行为变成训练信号，35B模型用户理解与通用能力双提升

Yang Xiao, Yusong Sun, Haoyi Wu, Wenyang Hui, Weiqiang Hang, Luqing Wang,... 2026-10-14
个性化 合成数据 后训练 强化学习 用户行为建模
✅ 已总结
详情 →