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

ESPO: 提前停止近端策略优化

👍 20

ESPO通过提前终止失败轨迹节省20%+token并提升LLM推理性能

Zihang Li, Rui Zhou, Yingcheng Shi, Wenhan Yu, Zhewen Tan, Zixiang Liu,... 2026-06-02
大语言模型 强化学习 数学推理 策略优化 训练效率
✅ 已总结
详情 →

MindZero：零标注学习在线心理推理

👍 4

自监督强化学习训练多模态大模型做在线心智推理，无需心理状态标注

Shunchi Zhang, Jin Lu, Chuanyang Jin, Yichao Zhou, Zhining Zhang, Tianmin Shu 2026-06-02
多模态大模型 强化学习 心智理论 智能助手 自监督学习
✅ 已总结
详情 →

GrepSeek：训练直接语料库交互的搜索代理

👍 117

通过shell命令让LLM直接检索原始文本，bypass传统检索索引实现高效多跳推理

Alireza Salemi, Chang Zeng, Atharva Nijasure, Jui-Hui Chung, Razieh Rahimi,... 2026-06-01
代理式搜索 多跳推理 强化学习 检索增强生成 直接语料库交互
✅ 已总结
详情 →

SCOPE：开放式任务中通过协同进化策略的自我对弈方法

👍 28

首个将数据无关的自我对弈扩展到开放式任务的框架，通过文档锚定的标准分解实现自我评估和持续自我改进

Wai-Chung Kwan, Aryo Pradipta Gema, Joshua Ong Jun Leang, Pasquale Minervini 2026-06-01
大语言模型 开放式任务 强化学习 检索增强生成 自我对弈
✅ 已总结
详情 →

PhoneWorld：扩展手机使用代理环境

👍 12

将真实GUI轨迹转换为可控手机环境，支持评估与训练

Zhengyang Tang, Yuxuan Liu, Xin Lai, Junyi Li, Pengyuan Lyu, Jason, Yiduo... 2026-05-29
多模态代理 强化学习 手机GUI交互 环境构建 监督学习
✅ 已总结
详情 →