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 448 条结果
相关性 | 日期

学习大语言模型激活的生成式元模型

👍 4

用扩散模型学习LLM激活分布，作为先验提升引导干预和可解释性

Grace Luo, Jiahai Feng, Trevor Darrell, Alec Radford, Jacob Steinhardt 2026-02-09
元学习 可解释性 大语言模型 扩散模型 激活建模
✅ 已总结
详情 →

ProAct：交互环境中的智能体前瞻推理

👍 27

通过蒸馏MCTS搜索树和蒙特卡洛评论家，让LLM智能体内化准确的前瞻推理能力

Yangbin Yu, Mingyu Yang, Junyou Li, Yiming Gao, Feiyu Liu, Yijun Yang,... 2026-02-06
大语言模型 强化学习 推理蒸馏 智能体 游戏AI
✅ 已总结
详情 →

900万数学定理的语义搜索

👍 22

构建920万数学定理语料库并实现语义检索系统，在专业数学查询上显著优于现有工具。

Luke Alexander, Eric Leonen, Sophie Szeto, Artemii Remizov, Ignacio Tejeda,... 2026-02-06
向量嵌入 大语言模型 数学信息检索 数学定理 语义搜索
✅ 已总结
详情 →

LatentMem：为多智能体系统定制潜在记忆

👍 16

提出可学习的潜在记忆框架，通过角色感知的潜变量优化解决多智能体记忆同质化和信息过载问题

Muxin Fu, Guibin Zhang, Xiangyuan Xue, Yafu Li, Zefeng He, Siyuan Huang,... 2026-02-06
多智能体系统 大语言模型 强化学习 潜在表示 记忆机制
✅ 已总结
详情 →

多任务GRPO：跨任务的可靠LLM推理

👍 14

提出MT-GRPO算法，通过自适应任务加权和比例保持采样实现多任务推理的均衡优化

Shyam Sundhar Ramesh, Xiaotong Ji, Matthieu Zimmer, Sangwoong Yoon, Zhiyong... 2026-02-06
后训练 多任务学习 大语言模型 强化学习 推理能力
✅ 已总结
详情 →

BABE：生物学实验推理能力评估基准

👍 10

基于真实论文构建的生物学实验推理基准，评估LLM因果推理能力

Junting Zhou, Jin Chen, Linfeng Hao, Denghui Cao, Zheyu Wang, Qiguang Chen,... 2026-02-06
基准测试 大语言模型 实验推理 生物信息学 科学评估
✅ 已总结
详情 →

统一框架重新审视 GRPO 中的策略散度度量

👍 2

用 KL3 估计器替代 GRPO 中的对称裁剪，实现有理论保证的非对称近信赖域约束

Qingyuan Wu, Yuhui Wang, Simon Sinong Zhan, Yanning Dai, Shilong Deng, Sarra... 2026-02-06
GRPO 信赖域方法 大语言模型 强化学习 策略优化
✅ 已总结
详情 →

PhysicsAgentABM：物理引导的生成式基于代理建模

👍 0

将LLM多智能体推理从个体层面提升到集群层面，通过神经符号融合实现可扩展、校准良好的群体动态模拟

Kavana Venkatesh, Yinhan He, Jundong Li, Jiaming Cui 2026-02-06
不确定性量化 多智能体系统 大语言模型 智能体建模 流行病模拟
✅ 已总结
详情 →