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 1230 条结果
相关性 | 日期

在推理型大语言模型中摊销序列实验设计

👍 9

用信息增益奖励做强化学习，把序列贝叶斯实验设计摊销进 LLM 的推理过程，习得可泛化的提问策略

Anita Kriz, Antonin Berthon, Nicolás Astorga, Mihaela van der Schaar 2026-10-29
LLM推理 RLVR 主动信息获取 信息增益 强化学习
✅ 已总结
详情 →

面向长程 LLM 智能体的多尺度策略优化

👍 22

以轮次为宏观动作，同时做轮次级信用传播与 token 级优势细分的智能体 RL 方法

Tao Ren, Hui Yang, Jia Deng, Tingyang Chen, Qiyao Wang, Shuo Tang, Ziyang... 2026-10-28
GAE LLM智能体 信用分配 强化学习 策略优化
✅ 已总结
详情 →

几何的学习与推理：生成如何助力空间理解

👍 6

统一模型共训深度/多视角生成与空间理解，并学会按需生成深度证据修正答案

Rui Yang, Yanwei Li, Sili Chen, Jingjia Huang, Yi Lin, Hengshuang Zhao 2026-10-28
基准构建 度量深度生成 强化学习 空间推理 统一理解与生成
✅ 已总结
详情 →

RynnUnify：迈向统一具身大脑

👍 34

16B 统一具身模型，以交错视频-语言推理打通理解、预测与机器人控制。

Minghao Zhu, Bohan Hou, Kun Xiang, Zixuan Wang, Yinzhou Tang, Yifei Yang,... 2026-10-26
世界模型 具身智能 强化学习 机器人操作 统一多模态模型
✅ 已总结
详情 →