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 116 条结果
相关性 | 日期

少想一点：面向推理压缩的局部偏好学习

👍 65

定位模型推理中的过度思考状态，从同一状态重生成更短续写，用局部偏好对训练模型学会何时停止。

Muyao Yuan, Liyan Xu, Weizhan Zhang, Muyan Jiao, Jiangnan Li, Jinchao Zhang, Jie Zhou 2026-11-04
DPO 偏好学习 大型推理模型 推理压缩 数学推理
✅ 已总结
详情 →

基于批评引导的在线策略蒸馏恢复可靠监督

👍 26

教师会跟随学生错误但仍能识别错误，CriticOPD 用批评引导改写恢复蒸馏监督可靠性

Kaixiang Zhao, Tianrun Yu, Shangzhe Li, Yuxiao Yang, Amanda Hughes, Weitong... 2026-10-15
在线策略蒸馏 大语言模型推理 数学推理 特权信息 知识蒸馏
✅ 已总结
详情 →

分支化在策略蒸馏（BranchOPD）

👍 6

在学生轨迹的关键决策点重采样分支续写，扩展教师监督覆盖，全面超越单/多轨迹 OPD。

Dongyang Chen, Shudong Liu, Shubo Li, Duoxun Tang, Jinwei Liang, Zehuan Wu, Lewei Lu 2026-10-13
LLM智能体 分支采样 在策略蒸馏 大模型推理 数学推理
✅ 已总结
详情 →

面向大语言模型的通用文本教学

👍 15

不更新参数,把师生知识差距蒸馏成可跨模型复用的自然语言教材Primer

Zhanyi Lu, Huan Wang 2026-10-12
上下文学习 代码生成 免参数更新 数学推理 知识蒸馏
✅ 已总结
详情 →

质疑问题：维持推理模型的自进化

👍 48

给自生成问题加上有效性与新颖性双重质检，让推理模型自进化十轮持续涨点

Jinyuan Li, Chengsong Huang, Langlin Huang, Donghong Cai, Shiping Gao, Yuyi... 2026-10-08
强化学习 数学推理 数据质量 自我博弈 自进化
✅ 已总结
详情 →

多语言GSM-Symbolic：什么决定了能力跨语言迁移

👍 22

用15语言符号化数学基准，联合量化模型规模、语言资源、推理与类型距离对跨语言迁移的影响

Kenneth Enevoldsen, Riley Herchert, Sofie Mosegaard, Dan Saattrup Smart,... 2026-10-05
LLM评测 基准数据集 多语言评估 数学推理 统计建模
✅ 已总结
详情 →

更好的监督就在近旁：邻域在线策略自蒸馏

👍 12

将特权教师参数邻域的扰动专家组成池，逐状态路由监督以增强在线自蒸馏

Xincheng Wei, Yifan Ding, Yoshua Li, Yuquan Lu, Ziheng Li, Yi Lu, Dongsheng... 2026-10-02
LLM后训练 在线策略学习 数学推理 模型合并与扰动 知识蒸馏
✅ 已总结
详情 →

同家族在线策略蒸馏的缩放特性

👍 17

OPD峰值精度可由师生规模与教师分数用幂律提前预测，弱教师能把大模型教得超过自身

Yuntai Bao, Qinfeng Li, Guoqing Jiang, Liwei Chen, Zhiheng Qin, Xuanping Li,... 2026-09-30
在线策略蒸馏 弱到强泛化 强化学习 数学推理 缩放定律
✅ 已总结
详情 →