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 507 条结果
相关性 | 日期

EngramEdit：基于条件记忆的LLM解耦知识更新

👍 9

把条件记忆变成可编辑知识接口，联合更新共享n-gram嵌入实现近乎完美的知识修改

Hongru Cai, Ran Wei, Wenjie Wang, Chengfa Wu, Ning Song, Yongqi Li, Wenjie Li 2026-10-08
MoE 大语言模型 条件记忆 模型更新 知识编辑
✅ 已总结
详情 →

SHERPA：教会大语言模型自适应地教学

👍 10

用多轮强化学习让教师模型适应不同学习偏好的模拟学生，直接最大化学习成效

Weixian Xu, Yanzhe Zhang, Zora Zhiruo Wang, Changyu Chen, Diyi Yang 2026-10-07
多轮对话 大语言模型 强化学习 教育AI 数学辅导
✅ 已总结
详情 →

迈向大语言模型的参数内记忆增强

👍 8

以参数位置与获取时机两轴，系统梳理大模型参数内记忆增强方法

Haoyu Huang, Zhongwei Xie, Jiaxin Bai, Yisen Gao, Hong Ting Tsang, Wuganjing... 2026-10-07
参数内记忆 大语言模型 测试时训练 知识增强 综述
✅ 已总结
详情 →

面向神经网络压缩的可学习函数子空间

👍 6

把每层要删除的子空间参数化为可学习正交投影，端到端对齐网络输出，高压缩率下大幅超越现有低秩压缩方法

Massimo Bini, Anders Christensen, Stephan Alaniz, Judah Goldfeder, Ole... 2026-10-07
KV缓存优化 低秩分解 大语言模型 模型压缩 知识蒸馏
✅ 已总结
详情 →

LoGRA：用低秩梯度草图扩展LLM强化学习

👍 34

低秩梯度草图+预测KL步长控制，RL训练内存省45.7%，27B单机8卡稳定训练

Shaokun Zhang, Yifan Zhang, Jian Hu, Yueying Li, Hao Zhang, Binfeng Xu, Jan... 2026-10-06
低秩近似 内存优化 大语言模型 强化学习 训练效率
✅ 已总结
详情 →

基础模型可借训练数据中的线索触发推理

👍 12

仅固定开头两个token，基础模型推理性能即可追平RL版本

Sophie L. Wang, Amil Dravid, Rulin Shao, Kevin Farhat, Sewon Min, Alexei A. Efros 2026-10-06
大语言模型 强化学习 推理能力 模型安全 训练数据分析
✅ 已总结
详情 →

Latent-MOPD：潜在空间多教师在线蒸馏

👍 34

融合专家输出分布与隐藏状态双重监督，单个1.5B学生模型超越各领域专家教师

Zhengyu Fang, Seoyeon Hong, Jie Yang, Muyang Li, Koyoshi Shindo, Brandon... 2026-10-05
在线蒸馏 多教师学习 大语言模型 知识蒸馏 表示对齐
✅ 已总结
详情 →

后训练在无关决策上留下行为阴影

👍 44

仅凭单个词的教师回复，同源学生即可习得私有小样本微调的能力

Ziyang Zhang, Yubin Jing, Yuanhao Zeng, Yuyao Li, Haofan Wang, Yichen Gong 2026-09-29
AI安全 LoRA微调 大语言模型 知识蒸馏 隐蔽学习
✅ 已总结
详情 →