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 121 条结果
相关性 | 日期

基于归一化流的潜空间推理

👍 8

用标准化流在LLM中建模连续思维链，保持自回归接口并支持策略梯度优化

Guancheng Tu, Xiangjun Fu, Suhao Yu, Yao Tang, Haoqiang Kang, Lianhui Qin,... 2026-06-05
代码生成 大语言模型 思维链推理 标准化流 潜在表示
✅ 已总结
详情 →

MiniMax-M2 系列:极小激活参数释放极致真实世界智能

👍 41

9.8B 激活参数的 MoE 大模型,通过 Agent 数据管线+Forge 强化学习系统+自我进化,在编码与办公 Agent 任务上比肩头部闭源模型

MiniMax, Aili Chen, Aonian Li, Baichuan Zhou, Bangwei Gong, Binyang Jiang,... 2026-05-27
Agent MoE Speculative Decoding 代码生成 强化学习
✅ 已总结
详情 →

基于变分策略蒸馏的语言反馈学习

👍 12

提出变分策略蒸馏(VPD)框架，通过EM算法让教师与学生协同进化，解决RLVR稀疏奖励问题

Yang Li, Erik Nijkamp, Semih Yavuz, Shafiq Joty 2026-05-21
代码生成 变分推断 大语言模型 强化学习 科学推理
✅ 已总结
详情 →

自动化智能体评估的实证研究

👍 3

用评估技能+六阶段流水线让 Claude 自动为任意 agent 生成可执行的评估代码

Kang Zhou, Sangmin Woo, Haibo Ding, Kiran Ramnath, Subramanian Chidambaram,... 2026-05-14
LLM 评估 代码生成 基准测试 工具使用 智能体评估
✅ 已总结
详情 →