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 77 条结果
相关性 | 日期

基于迭代事后重标注的质量可控机器人策略学习

👍 2

质量标签条件化策略加迭代事后重标注，推理时可控执行质量，持续突破演示数据质量上限

Sinjae Kang, Dong Kyu Shin, Jaehong Kim, Kamin Lee, Hyoeun Kim, Kaixin Wang,... 2026-11-02
事后重标注 机器人操作 模仿学习 流匹配策略 质量控制
✅ 已总结
详情 →

TILDE：来自具身基础模型的教师在环蒸馏

👍 8

奖励模型自动监视并触发教师接管收集恢复轨迹，联合三分布蒸馏迁移基础模型能力，较BC最高提升4.1倍

Yuxiang Lu, Yantong Liu, Jinghua Hou, Xueli Sun, Ruihua Han, Zhe Liu, Hengshuang Zhao 2026-10-23
DAgger VLA 具身智能 数据聚合 机器人操作
✅ 已总结
详情 →

从机群经验中学习：机器人集体学习范式

👍 112

让机群机器人共享部署经验改进共同策略，无需额外专家纠正动作，成功率提升至93.3-99.2%。

Chao Yu, Shu'ang Yu, Hao Lin, Hongzhi Zang, Yuxiang Yan, Chenxi Jiang,... 2026-10-20
分布式系统 机器人学习 机群学习 模仿学习 真机操作
✅ 已总结
详情 →

Opera：面向长程编程智能体的言语批评框架

👍 13

把每次纠错变成带判据的持久便签，跟踪到真正解决，最高提升15个百分点

Kai Mei, Zhiyuan Hu, Yutong Dai, Juntao Tan, Yifan Zhang, Dingjie Song,... 2026-10-09
批评者框架 模仿学习 测试时扩展 编程智能体 轨迹反思
✅ 已总结
详情 →

WING：交互中心的谱潜空间引导世界动作学习

👍 23

用交互中心潜动作与DCT低频引导，把第一人称视频知识迁移到机器人操控

Zhiming Liu, Yikun Miao, Ying Chen, Hongrui Yin, Fangqi Zhu, Xiaoyi Pang,... 2026-10-07
机器人学习 模仿学习 潜动作学习 第一人称视频 视觉-语言-动作模型
✅ 已总结
详情 →