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

面向LLM推理的强化学习感知知识蒸馏

👍 6

提出RLAD框架，通过信任区域比率蒸馏将教师指导嵌入GRPO更新，实现选择性模仿

Zhaoyang Zhang, Shuli Jiang, Yantao Shen, Yuting Zhang, Dhananjay Ram, Shuo... 2026-03-02
GRPO 大语言模型 强化学习 推理增强 知识蒸馏
✅ 已总结
详情 →

PhyCritic：面向物理AI的多模态批评模型

👍 55

提出一个专为物理AI设计的多模态批评模型，通过自我参照的批评微调来提升物理推理和评估能力。

Tianyi Xiong, Shihao Wang, Guilin Liu, Yi Dong, Ming Li, Heng Huang, Jan... 2026-02-12
GRPO 具身智能 多模态批评模型 强化学习 机器人学
✅ 已总结
详情 →

大语言模型强化微调中的熵动力学研究

👍 59

从单 token 对数更新出发，建立 RFT 熵变化的理论框架并推导出实用的熵裁剪方法

Shumin Wang, Yuexiang Xie, Wenhao Zhang, Yuchang Sun, Yanxi Chen, Yaliang... 2026-02-09
GRPO LLM 训练理论 强化微调 熵动力学 策略优化
✅ 已总结
详情 →

基于潜在动作的自改进世界建模

👍 32

将动作视为潜在变量，通过前向-逆向模型交替优化实现无标注世界建模

Yifu Qiu, Zheng Zhao, Waylon Li, Yftah Ziser, Anna Korhonen, Shay B. Cohen,... 2026-02-09
GRPO 世界模型 强化学习 潜在变量 自改进学习
✅ 已总结
详情 →