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 80 条结果
相关性 | 日期

多词预测的正确做法

👍 22

拆解 MTP 梯度滤除低信噪比残差，一行代码零开销恢复 KL 自蒸馏信号

Jayden Teoh 2026-10-30
多词预测 大模型预训练 投机解码 梯度分析 自蒸馏
✅ 已总结
详情 →

函数空间时序自蒸馏策略优化（FSPO）

👍 25

用稀疏历史分布缓存替代持久教师模型，实现单策略、时序稳定的自蒸馏强化学习

Aryan Das, Arnab Bhattacharya, Vinay Kumar Verma 2026-10-26
LLM推理 RLVR后训练 内存效率 函数空间正则化 持续学习
✅ 已总结
详情 →

OmniReasoning：突破音视频联合推理的极限

👍 26

构建真正需要音视频协同的基准、11.2万条证据接地数据与模态分解自蒸馏训练方法，提升全模态联合推理

Junming Lin, Yuxuan Wang, Zhenxin Lei, Yuxin Liu, Ruixun Liu, Yinsong Yan,... 2026-10-06
基准评测 多模态大模型 强化学习 数据引擎 自蒸馏
✅ 已总结
详情 →

X-Tree：将可复用经验标记化以实现高效智能体泛化

👍 53

用类BPE方法从轨迹中零LLM调用挖掘技能树，并以数据、奖励、上下文三种方式注入智能体训练

Sitao Cheng, Xunjian Yin, Zhiyuan Sun, Yuxuan Li, Ruiwen Zhou, Xiangru Jian,... 2026-10-02
LLM智能体 奖励塑形 层次化技能学习 强化学习 经验复用
✅ 已总结
详情 →