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 1234 条结果
相关性 | 日期

VBVR-Pro：面向原生视觉推理的可扩展可验证套件

👍 75

300个程序化视觉推理任务+可验证奖励评分器，让视觉生成成为可训练、可验证、可优化的推理媒介

Junxiang Xu, Ruisi Wang, Fanyi Pu, Maijunxian Wang, Ran Ji, Tongxi Zhou,... 2026-08-27
交错生成 原生视觉推理 可验证奖励 基准测试 强化学习
✅ 已总结
详情 →

V-Rubrics：基于量规强化学习的视觉忠实性

👍 16

把参考答案拆成原子量规条目，为VLM后训练提供细粒度、前缀定位的RL奖励

Shulin Tian, Minglun Li, Yuhao Dong, Hao Ding, Jiarui Yao, Haiwen Diao,... 2026-08-27
GRPO 后训练 多模态大模型 奖励设计 强化学习
✅ 已总结
详情 →

可验证奖励下的在策略蒸馏（OPDVR）

👍 18

用一个 ReLU 门控把在策略蒸馏改造成合法的 RLVR 方法，零新增超参数

Wenze Lin, Jiale Zhao, Xitai Jiang, Songde Rao, Yining Li, Shenzhi Wang,... 2026-08-26
RLVR 大模型后训练 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

Apodex 1.1：面向复杂工作的智能体智能扩展

👍 209

用环境扩展与智能体协作扩展两条路线，把推理模型变成能完成长周期复杂工作的系统。

Apodex Team, B. An, B. Li, B. Wang, B. Zhang, B. L. Wang, C. Feng, C. Wei,... 2026-08-25
AgentOS 多智能体协作 强化学习 技术报告 智能体
✅ 已总结
详情 →

迈向忠实的用户购物行为模拟

👍 6

RecVerse用认知分层记忆与轨迹级强化学习，在真实GUI环境中忠实模拟人类购物行为

Jiakai Tang, Yan Mi, Jing Yu, Yang Zhang, See-Kiong Ng, Qi Cao, Fei Sun, Xu... 2026-08-24
GUI智能体 大语言模型智能体 强化学习 推荐系统 用户行为模拟
✅ 已总结
详情 →

EnvHarness：唤醒静态环境的智能体学习定制层

👍 109

用可插拔组件包裹静态环境，按策略弱点自动定制训练环境，显著提升智能体学习

Chengsong Huang, Zifeng Wang, Rujun Han, Jun Yan, Yanfei Chen, Zoey CuiZhu,... 2026-08-21
LLM智能体 强化学习 智能体学习 环境定制 自动化课程
✅ 已总结
详情 →

EXIMO：VLM 引导的 VLA 策略探索

👍 11

用VLM编排VLA探索采集新任务数据，再经蒸馏与残差RL高效微调

Bhavya Sukhija, Oliver Groth, Mohit Shridhar, Tim Hertweck, Michael Bloesch,... 2026-08-21
VLA 强化学习 机器人操作 模仿学习
✅ 已总结
详情 →