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

面向大语言模型的混合策略蒸馏方法

👍 12

将前向KL与反向KL按token级信号混合，结合off-policy数据与轻量on-policy采样的统一蒸馏框架

Wenhong Zhu, Ruobing Xie, Rui Wang, Pengfei Liu 2026-04-24
代码生成 大语言模型 强化学习 推理 知识蒸馏
✅ 已总结
详情 →

TIP：在策略蒸馏中的 Token 重要性

👍 13

用熵与分歧两轴解释 OPD 中 token 重要性，并提出无参数 Soft-OR 选择规则。

Yuanda Xu, Hejian Sang, Zhengze Zhou, Ran He, Zhipeng Wang, Alborz Geramifard 2026-04-16
LLM 训练 Token 选择 推理模型 知识蒸馏 课程学习
✅ 已总结
详情 →

ECHO：基于一步式块扩散的高效胸部X光报告生成模型

👍 22

通过直接条件蒸馏(DCD)把多步块扩散蒸馏为单步解码，同时用响应非对称扩散(RAD)削减72.3%训练FLOPs，在胸部X光报告生成上实现8倍理论加速和5.1倍实测加速。

Lifeng Chen, Tianqi You, Hao Liu, Zhimin Bao, Jile Jiao, Xiao Han, Zhicai... 2026-04-13
一步式推理 医学影像 扩散语言模型 知识蒸馏 胸部X光报告生成
✅ 已总结
详情 →

大语言模型在线策略蒸馏综述

👍 11

系统性综述LLM在线策略蒸馏(OPD)的理论框架、方法分类、失败模式和工业实践

Mingyang Song, Mao Zheng 2026-04-02
在线策略学习 大语言模型 强化学习 模仿学习 知识蒸馏
✅ 已总结
详情 →