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 507 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

👍 20

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

👍 12

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 →

语言模型的在线经验学习

👍 61

提出OEL框架，让语言模型从部署经验中持续自我改进

Tianzhu Ye, Li Dong, Qingxiu Dong, Xun Wu, Shaohan Huang, Furu Wei 2026-03-18
上下文蒸馏 在线学习 大语言模型 强化学习 持续学习
✅ 已总结
详情 →