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

使用过程奖励扩展多智能体系统

👍 8

通过AI反馈的逐动作过程奖励训练多智能体，解决信用分配和样本效率问题

Ed Li, Junyu Ren, Cat Yan 2026-02-02
AI反馈 多智能体系统 大语言模型 强化学习 过程奖励
✅ 已总结
详情 →

语言模型知识蒸馏中的记忆动态研究

👍 4

知识蒸馏可将训练数据记忆减少50%以上，同时提升模型泛化能力

Jaydeep Borkar, Karan Chadha, Niloofar Mireshghallah, Yuchen Zhang,... 2026-02-02
大语言模型 数据记忆 模型压缩 知识蒸馏 隐私保护
✅ 已总结
详情 →