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 72 条结果
相关性 | 日期

PivotOPD：学习从多轮智能体的关键错误中恢复

👍 16

在关键错误处施加预防性蒸馏、在其后施加恢复性蒸馏，让多轮智能体学会避免并从关键错误中恢复。

Yinghui He, Yapei Chang, Khushi Bhardwaj, Daniele Molinari, Tugrul Konuk,... 2026-10-01
LLM Agent 在线策略蒸馏 多轮智能体 强化学习 知识蒸馏
✅ 已总结
详情 →

ROSS：通过选择性监督从自生成轨迹中再学习

👍 24

把RL训练中被丢弃的历史自生成轨迹变成可复用经验，只对精选片段施加模仿损失

Zhiwei Zhang, Huayu Deng, Fei Zhao, Jiayan Fu, Bin Liang, Kam-Fai Wong, Mu Chuan 2026-09-30
LLM后训练 在线策略蒸馏 强化学习 智能体RL 选择性监督
✅ 已总结
详情 →

同家族在线策略蒸馏的缩放特性

👍 17

OPD峰值精度可由师生规模与教师分数用幂律提前预测，弱教师能把大模型教得超过自身

Yuntai Bao, Qinfeng Li, Guoqing Jiang, Liwei Chen, Zhiheng Qin, Xuanping Li,... 2026-09-30
在线策略蒸馏 弱到强泛化 强化学习 数学推理 缩放定律
✅ 已总结
详情 →

LastOPD：驯服潜在在线策略蒸馏中的坍塌

👍 24

只对齐最后一层隐状态并在10步内淡出潜在监督，保住早期增益且避免训练坍塌。

Jie Yang, Zhengyu Fang, Zelin Xu, Jiarui Sun, Xiran Fan, Junpeng Wang, Liang... 2026-09-28
可解释性 在线策略蒸馏 大语言模型 知识蒸馏 表示对齐
✅ 已总结
详情 →

SenseNova-U1.5：迈向原生统一视觉智能

👍 145

8B-MoT 无编码器无VAE统一模型，靠空间联合重建与多专家RL蒸馏兼顾理解、生成与编辑

Haiwen Diao, Jiahao Wang, Chenjing Ding, Hanming Deng, Jiangnan Chen, Ruixi... 2026-09-11
像素空间流匹配 原生统一多模态模型 图像生成 图像编辑 在线策略蒸馏
✅ 已总结
详情 →

在线策略反向蒸馏：激发弱到强泛化

👍 69

用弱教师策略偏移方向放大强学生自身梯度，加速训练并突破教师上限

Youngrok Park, Sangmin Bae, Hojung Jung, Jongwoo Ko, Yunseon Choi, Young Jin... 2026-09-09
RLVR 在线策略蒸馏 多教师蒸馏 弱到强泛化 策略梯度缩放
✅ 已总结
详情 →