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 322 条结果
相关性 | 日期

你的群组相对优势是有偏的

👍 108

揭示GRPO等群组相对RL算法中优势估计的固有偏差，并提出HA-DW自适应修正方案

Fengkai Yang, Zherui Chen, Xiaohan Wang, Xiaodong Lu, Jiajun Chai, Guojun... 2026-01-19
GRPO LLM推理 优势估计 后训练 强化学习
✅ 已总结
详情 →

RelayLLM：通过协作解码实现高效推理

👍 30

让小模型主动调用大模型，用1.07%的token成本恢复60%性能差距

Chengsong Huang, Tong Zheng, Langlin Huang, Jinyuan Li, Haolin Liu, Jiaxin Huang 2026-01-09
GRPO token-level路由 强化学习 模型协作 高效推理
✅ 已总结
详情 →