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 多模态 长上下文 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 评测基准 高效推理 自监督学习 工具调用 对比学习 扩散语言模型 参数高效微调 视觉-语言-动作模型 Transformer 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 模仿学习 综述 信息检索 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 124 条结果
相关性 | 日期

面向扩散语言模型的表示空间MMD后训练方法

👍 25

在冻结DLM的特征空间里做MMD后训练，让扩散语言模型少步生成质量与并行解码效率兼得

Ilya Drobyshevskiy, Ilia Sudakov, Maksim Semenov, Denis Kuznedelev, Maksim... 2026-10-06
MMD 分布匹配 后训练 少步生成 扩散语言模型
✅ 已总结
详情 →

视频生成模型的后训练与对齐综述

👍 20

首篇系统梳理视频生成后训练与对齐的综述：四族方法、数据基准与开放挑战

Chaoyu Li, Xiaoyi Gu, Yogesh Kulkarni, Eun Woo Im, Mohammadmahdi Honarmand,... 2026-10-02
偏好优化 后训练 对齐 强化学习 扩散模型
✅ 已总结
详情 →

Marathoner：超长时程自主智能体

👍 19

以PR任务合成、RFT与后期奖励强化学习，训练9B模型连续执行10小时以上并超越部分闭源模型

Zhang Ruiyang, Ou Jinpeng, Xie Yifan, Zhou Jingang, Pan Lirui, Guo Qingpei,... 2026-09-30
后训练 强化学习 数据合成 智能体 软件工程
✅ 已总结
详情 →

像素扩散模型的对抗训练

👍 12

在预训练像素扩散模型上加判别器后训练，恢复缺失高频细节并全面提质

Xin Lin, Zhifei Zhang, Yuqian Zhou, Haitian Zheng, Zhe Lin, Ming-Hsuan Yang,... 2026-09-30
像素空间生成 后训练 扩散模型 文生图 生成对抗网络
✅ 已总结
详情 →

用自适应循环Transformer改进测试时扩展

👍 63

联合训练主干与迭代决策器，把额外迭代精准分配给受益token，让循环模型测试时扩展超越非循环基线

Yichen You, Tianyu Fu, Aosong Feng, Xingtai Lv, Xuefei Ning, Ning Ding, Yu Wang 2026-09-29
后训练 循环Transformer 测试时扩展 自适应计算 高效推理
✅ 已总结
详情 →

在学生状态处学习教师续写（OLIVE）

👍 33

学生生成前缀、教师在线续写接管，仅用教师文本训练，效果超 OPD 且训练更省时

Haojin Wang, Dylan Zhang, Huaibo Chen, Suhao Yu, Yihang Sun, Zhanyang Jin,... 2026-09-29
LLM蒸馏 后训练 在线干预 多轮智能体
✅ 已总结
详情 →