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 116 条结果
相关性 | 日期

特权信息为在线策略自蒸馏带来了什么

👍 11

构建答案匹配六视角数据集，发现OPSD收益主要来自蒸馏本身，特权参考的额外增益很小且依赖训练轨迹

XiuYu Zhang, Wei Chow, Junfeng Fang, Zhenkai Liang, Tat-Seng Chua 2026-09-18
LLM蒸馏 实证分析 数学推理 特权信息 自蒸馏
✅ 已总结
详情 →

ZGCM-1：面向数学与智能体搜索的全开源高效基础模型

👍 103

7B全开源模型靠深度思考加工具调用双引擎与极致训练效率，在数学和智能体搜索上比肩大型前沿模型。

Jiyan He, Guang Liang, Hao Liu, Haoxiang Guan, Jinbo Sun, Junyi Guo, Wenjun... 2026-09-15
AI原生研发 FP8训练 开源基础模型 数学推理 智能体搜索
✅ 已总结
详情 →

负向自蒸馏：通过规避缺陷学会推理

👍 13

让模型自演“粗心推理者”生成负向教师，推开缺陷token的概率分布，无标签提升数学推理

Rongcan Pei, Zhepei Wei, Shuyao Xu, Xinyu Zhu, Wei-Lin Chen, Yu Meng 2026-09-11
LLM自改进 token级门控 数学推理 无标签训练 蒸馏与强化学习
✅ 已总结
详情 →

群体自适应裁剪策略优化

👍 9

按组内答对数自适应调整裁剪边界，让稀有正确样本保留梯度，pass@1 与 pass@k 双升

Sheng Jia, Xiao Wang, Shiva Prasad Kasiviswanathan, Rein Houthooft 2026-09-07
LLM后训练 RLVR 强化学习 数学推理 策略优化
✅ 已总结
详情 →

可验证奖励下的在策略蒸馏（OPDVR）

👍 18

用一个 ReLU 门控把在策略蒸馏改造成合法的 RLVR 方法，零新增超参数

Wenze Lin, Jiale Zhao, Xitai Jiang, Songde Rao, Yining Li, Shenzhi Wang,... 2026-08-26
RLVR 大模型后训练 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

信任区域策略蒸馏

👍 33

通过动态构造近端教师解决OPD优化不稳定性，零计算开销实现数学推理性能大幅提升

Zhengpeng Xie, Li Lyna Zhang, Zeke Xie, Mao Yang 2026-07-13
信任区域方法 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

TREK：蒸馏以探索、强化以精炼

👍 9

TREK扩展GRPO探索支持，提升数学和Agent性能

Yuanda Xu, Zhengze Zhou, Kayhan Behdin, Jelena Markovic-Voronov, Hejian... 2026-07-08
Agent 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →