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 75 条结果
相关性 | 日期

TTPO：测试时策略优化

👍 83

利用伪标签错误的非对称性，无标签地将自蒸馏与RL惩罚结合于测试时训练

Aozhe Wang, Zhengxi Lu, Jianze Wang, Shangke Lv, Ying Liu, Weiming Lu, Jun... 2026-08-28
LLM推理 在线策略自蒸馏 强化学习 无标签学习 测试时训练
✅ 已总结
详情 →

面向高效测试时推理的声明级可靠性评估

👍 12

把测试时算力从多采样转向声明级证伪验证，等调用量下提升数学推理准确率并显著省 token

Sen Xu, Wei Wang, Shixi Liu, Jixin Min, Yingwei Dai, Zhibin Yin, Yirong... 2026-08-17
LLM推理 免训练框架 测试时扩展 自洽性聚合 证伪验证
✅ 已总结
详情 →

分散式推理中的无政府状态代价

👍 1

首次对分散式LLM推理架构进行博弈论分析，揭示GPU饱和导致的效率损失并提出自适应路由解决方案

Athos Georgiou 2026-06-17
LLM推理 Price of Anarchy 分布式系统 博弈论 资源调度
✅ 已总结
详情 →