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

CADENA：逐步式CAD逆向工程

👍 42

逐步执行CAD操作并对比几何反馈，重建可编辑参数化程序

Soslan Kabisov, Gennadiy Savrasov, Maksim Elistratov, Antonio Rodriguez,... 2026-08-04
CAD逆向工程 三维重建 基准评测 强化学习 视觉语言模型
✅ 已总结
详情 →

面向在策略蒸馏的稳定优势融合

👍 27

提出SAF四阶段流水线融合GRPO与OPD优势，避免熵坍塌并稳定提升性能。

Yifan Ding, Xincheng Wei, Yoshua Y. Li, Ziheng Li, Yuquan Lu, Siyu Zhang,... 2026-08-03
GRPO RLVR 强化学习 熵坍塌 知识蒸馏
✅ 已总结
详情 →

弱到强同策略蒸馏

👍 20

用弱模型的对数几率差合成代理教师，蒸馏出超越弱教师、逼近自身的强学生。

Fangxu Yu, Zinan Lin, Xiaodong Liu, Weijia Xu, Michael Xu, Tianyi Zhou, Jianfeng Gao 2026-08-03
同策略蒸馏 大语言模型推理 对数几率算术 弱到强学习 强化学习
✅ 已总结
详情 →

用于多参考图像编辑的评估-验证奖励(EVR)

👍 17

提出EVR奖励：多假设评估+视觉验证，强化学习优化多参考图像编辑。

Yingmao Miao, Pengfei Zhang, Xiaochen Lv, Meng Yu, Lei Sun, Xiangxiang Chu,... 2026-08-03
DiffusionNFT 图像编辑 多参考图像编辑 多模态大语言模型 奖励模型
✅ 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 →