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 71 条结果
相关性 | 日期

基于前缀重放的多轮在线策略蒸馏

👍 12

复用教师轨迹做离线多轮 agent 蒸馏,零工具调用、4倍加速且不掉点。

Baohao Liao, Hanze Dong, Christof Monz, Xinxing Xu, Li Dong, Furu Wei 2026-07-24
多轮交互 强化学习 智能体 模型压缩 知识蒸馏
✅ 已总结
详情 →

基于内部模型路由的推测解码验证方法

👍 37

通过内部模型路由引入轻量级中间验证器，实现分层推测解码，降低拒绝率并提升推理速度

Yuchen Xian, Yang He, Yunqiu Xu, Yi Yang 2026-06-12
KL散度 分层验证 推测解码 推理加速 模型压缩
✅ 已总结
详情 →

使用测试时训练线性化视觉Transformer

👍 15

通过TTT架构实现Softmax Transformer到线性复杂度的快速转换

Yining Li, Dongchen Han, Zeyu Liu, Hanyi Wang, Yulin Wang, Gao Huang 2026-06-01
Transformer优化 扩散模型 模型压缩 测试时训练 线性注意力
✅ 已总结
详情 →

少即是多：在线策略蒸馏的早停展开

👍 11

限制蒸馏 rollout 到前 N 个 token，解决 OPD 的离策略教师衰减问题

Zhou Ziheng, Jiaqi Li, Huacong Tang, Ying Nian Wu, Demetri Terzopoulos 2026-05-28
在线策略蒸馏 大语言模型 模型压缩 知识蒸馏
✅ 已总结
详情 →

时序扩展的混合专家模型

👍 4

用 RL options 框架训练 MoE 控制器，把切换率从 50%+ 压到 5% 以下。

Zeyu Shen, Peter Henderson 2026-04-24
LLM推理优化 Mixture-of-Experts Options Framework 强化学习 模型压缩
✅ 已总结
详情 →