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 305 条结果
相关性 | 日期

通过将推理内化到分数分布中超越标量奖励

👍 67

提出Z-Reward教师-学生框架，将推理增强的分数分布蒸馏到高效的学生奖励模型中

Xin Jin, Huanqia Cai, Zhen Li, Zechao Zhan, Dengyang Jiang, Aiming Hao,... 2026-06-11
奖励建模 强化学习 文本到图像生成 知识蒸馏 视觉语言模型
✅ 已总结
详情 →

Flash-WAM：模态感知的世界动作模型蒸馏

👍 7

通过模态感知的一致性蒸馏，将世界动作模型的推理延迟从8.1秒降至348毫秒，实现23倍加速

Arman Akbari, Ci Zhang, Arash Akbari, Lin Zhao, Yixiao Chen, Weiwei Chen,... 2026-06-05
世界模型 实时控制 扩散模型 机器人 知识蒸馏
✅ 已总结
详情 →

自蒸馏策略梯度

👍 27

把全词表自蒸馏与RLVR奖励统一为策略梯度，稳定提升LLM推理性能。

Yifeng Liu, Shiyuan Zhang, Yifan Zhang, Quanquan Gu 2026-06-04
RLVR 大语言模型推理 强化学习 知识蒸馏 策略优化
✅ 已总结
详情 →

信任域在线策略蒸馏

👍 46

用信任域分割策略梯度可靠区，稳定蒸馏推理小模型。

Xingrun Xing, Haoqing Wang, Boyan Gao, Ziheng Li, Yehui Tang 2026-06-03
在线策略蒸馏 小语言模型 强化学习 推理模型 知识蒸馏
✅ 已总结
详情 →