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 102 条结果
相关性 | 日期

用自适应循环Transformer改进测试时扩展

👍 63

联合训练主干与迭代决策器，把额外迭代精准分配给受益token，让循环模型测试时扩展超越非循环基线

Yichen You, Tianyu Fu, Aosong Feng, Xingtai Lv, Xuefei Ning, Ning Ding, Yu Wang 2026-09-29
后训练 循环Transformer 测试时扩展 自适应计算 高效推理
✅ 已总结
详情 →

面向细粒度多模态感知的区域级策略优化

👍 16

以区域为动作、答案似然为奖励的强化学习，让轻量提议网络聚焦证据，4倍更少token精度更高

Yuheng Shi, Xiaohuan Pei, Minjing Dong, Chang Xu 2026-09-18
区域级强化学习 多模态大模型 细粒度感知 视觉token效率 高效推理
✅ 已总结
详情 →