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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 232 条结果
相关性 | 日期

CogEvol：迈向高效可靠的学习环境生成

👍 25

纯后训练专用模型家族，单次调用生成幻灯片与可交互课件，用可执行探针把交互性变成可测量的奖励信号

Shangqing Tu, Daniel Zhang-Li, Yucheng Wang, Shiyu Gan, Yanpeng Wang,... 2026-09-01
GRPO 后训练 国产算力适配 奖励攻击 奖励设计
✅ 已总结
详情 →

面向强化微调的动态重要样本挖掘

👍 1

用梯度对齐实时估计样本边际贡献并约束重加权，让RFT数据利用全程自适应

Haoru Tan, Sitong Wu, Yanfeng Chen, Shizhen Zhao, Yang-Tian Sun, Tianjia... 2026-09-01
GRPO 多模态推理 强化微调 数据选择 梯度对齐
✅ 已总结
详情 →

Agent-G²：面向智能体强化学习的高斯引导框架

👍 28

把提示深度从单一标量改为在线估计的高斯分布，零额外采样实现每任务自适应引导

Zixuan Wang, Yanrui Miao, Zhengxi Lu, Teng Pan, Yiwen Qiu, Hongxing Li, Peng... 2026-08-27
GRPO 奖励稀疏 智能体强化学习 课程学习 长视野任务
✅ 已总结
详情 →

V-Rubrics：基于量规强化学习的视觉忠实性

👍 15

把参考答案拆成原子量规条目，为VLM后训练提供细粒度、前缀定位的RL奖励

Shulin Tian, Minglun Li, Yuhao Dong, Hao Ding, Jiarui Yao, Haiwen Diao,... 2026-08-27
GRPO 后训练 多模态大模型 奖励设计 强化学习
✅ 已总结
详情 →

TLive-Omni：面向电商直播的全模态理解模型

👍 58

阿里开源的电商直播全模态理解模型，用音视频时间对齐与忠实强化微调实现多项直播任务开源最佳。

Yibo Hu, Yu Qian, Mao Gu, Yingfan Tao, Yuhao Chen, Yongdong Luo, Zhuoqun... 2026-08-25
GRPO 全模态大模型 强化学习后训练 数据引擎 电商直播
✅ 已总结
详情 →