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 1234 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 →

可扩展视界的Q学习（HQL）

👍 1

用免密度的价值比较门控逐转移决定多步目标延伸，使离线Q学习随视界增长保持精确

Haoran Xu, Pragya Srivastava, Xinjie Liu, Siddhant Agarwal, Amy Zhang 2026-11-10
值函数学习 多步TD 强化学习 离线RL 长视界
✅ 已总结
详情 →

迈向基础决策模型：Drex

👍 24

开源决策模型家族Drex，无自回归解码直接输出选项概率分布，以极低成本媲美前沿模型

Nischay Dhankhar, Alisher Amantay, Zhanibek Datbayev, Darkhan Akhmetov, Yash... 2026-11-06
决策模型 判别式推理 多模态 开源模型 强化学习
✅ 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 →