通过对比性上下文选择任务增强LLM的上下文 grounding 能力
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
用轻量8B模型编排16个商业API,科学推理准确率达56.66%
首个iOS模拟器手机代理基准测试,26应用133跨应用任务
通过多模态上下文推理框架和高效注意力机制,实现长视频理解与智能Agent能力
提出将图像作为独立的推理媒介,通过排版和图形两种变体实现高效推理
首个基于布鲁姆分类法的英阿双语VLM认知评估基准,揭示模型认知不对称性
用单源奖励作锚点,量化多源融合的信息增益
在统一隐空间交错文本推理与音视频潜状态,突破CoT文本瓶颈
LLM驱动的多智能体预测框架,分宏观与微观双视角合成预测
提出渐进式模态迁移基准与盲训练控制,揭示多模态推理的视觉变量接地瓶颈与 RL 视觉虚假提升。
三阶段管线,用黑盒对抗式在线策略蒸馏修复 SFT 分布漂移
为LVLM设计并行PVM模块,缓解长序列生成中的视觉信号衰减
并行训练多领域专家并在训练中持续互蒸馏,保持行为一致性以提升能力整合效率。
用同条训练跑上稍后的 checkpoint 当老师,做 Q/V 折中最优的混合策略 RLVR。
分层动作加密集奖励GRPO,把LVLM改造成统一视觉RAG智能体。
先抽取结构化事件证据再做推理,并用P-FAB解决多目标RL的Pareto冲突。
把一致性与视觉接地作为硬约束的GRPO变体,让多模态推理既准又真。
世界模型统一定义与统一推理框架OpenWorldLib
自蒸馏只控更新幅度,环境奖励锚定方向
揭示 VLM 靠语义标签“短路”视觉推理的失败机制