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 979 条结果
相关性 | 日期

DyCo-RL：用于视觉推理的动态跨模态协调机制

👍 16

利用Fisher-Rao距离检测注意力转移，动态重加权token级优势以提升MLLM跨模态推理。

Hangui Lin, Yan Shu, Zhengyang Liang, Chi Liu, Xiangrui Liu, Minghao Qin,... 2026-06-11
多模态大模型 强化学习 注意力机制 视觉推理 跨模态协调
✅ 已总结
详情 →

Role-Agent: 通过双角色进化自举大语言模型智能体

👍 77

提出使用单个LLM同时扮演Agent和环境两个角色，实现自举式协同进化，在多任务基准中平均提升超过4%

Xucong Wang, Ziyu Ma, Shidong Yang, Tongwen Huang, Pengkun Wang, Yong Wang,... 2026-06-10
Agent-环境协同进化 LLM智能体 世界模型 强化学习 自举学习
✅ 已总结
详情 →

反馈对齐在自蒸馏中的作用

👍 3

研究反馈结构对自蒸馏效果的影响，发现步骤对齐的反馈显著优于二值奖励和参考解

Semih Kara, Oğuzhan Ersoy 2026-06-10
反馈设计 强化学习 数学推理 自蒸馏 过程监督
✅ 已总结
详情 →

强化学习中流策略的测试时梯度引导

👍 3

QGF算法：测试时用Critic梯度引导流策略，避免反向传播

Zhiyuan Zhou, Andy Peng, Charles Xu, Qiyang Li, Tobias Springenberg, Kevin... 2026-06-10
强化学习 流匹配 测试时优化 离线强化学习 连续控制
✅ 已总结
详情 →

在线策略蒸馏的几何性质研究

👍 75

从参数空间几何视角揭示OPD介于SFT和RLVR之间的独特更新轨迹与子空间锁定现象

Zhennan Shen, Yanshu Li, Qingyu Yin, Chak Tou Leong, Zhilin Wang, Yanxu... 2026-06-09
参数空间几何 在线策略蒸馏 大语言模型后训练 强化学习
✅ 已总结
详情 →