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 391 条结果
相关性 | 日期

SKILL-KD：面向大模型智能体的对比式技能蒸馏

👍 8

对比师生轨迹差异，把行为差距蒸馏成可验证的文本技能，增强冻结的弱学生智能体

Qiming Shi, Yibo Dou, Jiawen Zhu, Yulong Tao, Linbo Jin, Zhaolu Kang, Yunfan... 2026-08-06
LLM智能体 师生对比 技能学习 提示工程 知识蒸馏
✅ 已总结
详情 →

MemHarness：让智能体重构而非回放记忆

👍 17

用统一策略在行动前依据当前状态重构检索经验，GRPO 端到端训练

Rong Wu, Daocheng Fu, Licheng Wen, Xuemeng Yang, Shu Zou, Jianbiao Mei,... 2026-07-31
GRPO LLM智能体 POMDP 强化学习 经验重构
✅ 已总结
详情 →