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

用于代码优化的强化学习

👍 13

让RL真正学会写更快的正确代码：从测试、沙箱、奖励到GRPO全链路改造。

Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve 2026-07-29
GRPO RLVR 代码优化 强化学习 竞赛编程
✅ 已总结
详情 →

AREX：面向深度研究的递归自我改进智能体

👍 107

AREX用内外双循环递归地自我改进，靠验证驱动的研究状态刷新深度搜索水平。

Shuqi Lu, Chaofan Li, Kun Luo, Zhang Zhang, Hui Wang, Hongwang Xiao, Zheng... 2026-07-24
MoE 上下文管理 强化学习 智能体训练 深度研究智能体
✅ 已总结
详情 →

从智能体经验中样本高效地学习

👍 18

把智能体交互经验蒸馏进权重，无需额外环境采样即可保留大部分上下文学习增益。

Chenhui Gou, Haoqin Tu, Yunhao Fang, Jianfei Cai, Hamid Rezatofighi 2026-07-24
上下文学习 强化学习 智能体学习 样本效率 知识蒸馏
✅ 已总结
详情 →

基于前缀重放的多轮在线策略蒸馏

👍 12

复用教师轨迹做离线多轮 agent 蒸馏,零工具调用、4倍加速且不掉点。

Baohao Liao, Hanze Dong, Christof Monz, Xinxing Xu, Li Dong, Furu Wei 2026-07-24
多轮交互 强化学习 智能体 模型压缩 知识蒸馏
✅ 已总结
详情 →

面向大模型强化学习的预测性散度掩码

👍 9

用散度方向导数重定义信任域方向判据，改进LLM强化学习稳定性。

Xiangxin Zhou, Jiarui Yao, Penghui Qi, Bowen Ping, Jiaqi Tang, Haonan Wang,... 2026-07-24
PPO 信任域 大语言模型 强化学习 策略优化
✅ 已总结
详情 →

SLPO：通过代理策略扩展潜在推理

👍 6

用代理似然把结果奖励RL引入潜在推理，实现潜在测试时扩展

Runyang You, Zhiyuan Liu, Yongqi Li, Wenjie Li 2026-07-23
强化学习 思维链 测试时扩展 潜在推理 策略优化
✅ 已总结
详情 →