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 448 条结果
相关性 | 日期

面向LLM推理的RLVR更新方向：识别与利用

👍 29

用token级log概率差识别RLVR稀疏更新方向，提升推理精度

Kexin Huang, Haoming Meng, Junkang Wu, Jinda Lu, Chiyu Ma, Ziqian Chen, Xue... 2026-03-24
token级分析 大语言模型 强化学习 推理能力 策略优化
✅ 已总结
详情 →

PivotRL：低计算成本下的高精度智能体后训练

👍 19

通过筛选高方差轮次和功能等价奖励，将SFT轨迹转化为高效RL训练，实现4倍计算节省同时保持OOD泛化

Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, Ritu Gala, Charles Wang, Sugam... 2026-03-24
GRPO 后训练 大语言模型 工具调用 强化学习
✅ 已总结
详情 →

基于持续经验驱动执行的深度表格研究

👍 15

提出DTR框架，通过闭环智能体决策处理非结构化表格的复杂多步推理任务

Junnan Dong, Chuang Zhou, Zheng Yuan, Yifei Yu, Qiufeng Wang, Yinghui Li,... 2026-03-23
多步推理 大语言模型 智能体框架 经验学习 表格推理
✅ 已总结
详情 →

当AI穿越战争迷雾时

👍 32

评估大语言模型在真实地缘政治危机中推理能力的时间锚定研究

Ming Li, Xirui Li, Tianyi Zhou 2026-03-19
地缘政治推理 大语言模型 战争迷雾 时间推理 评估基准
✅ 已总结
详情 →