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 长上下文 多模态 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 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 507 条结果
相关性 | 日期

学习大语言模型激活的生成式元模型

👍 5

用扩散模型学习LLM激活分布，作为先验提升引导干预和可解释性

Grace Luo, Jiahai Feng, Trevor Darrell, Alec Radford, Jacob Steinhardt 2026-02-09
元学习 可解释性 大语言模型 扩散模型 激活建模
✅ 已总结
详情 →

ProAct：交互环境中的智能体前瞻推理

👍 27

通过蒸馏MCTS搜索树和蒙特卡洛评论家，让LLM智能体内化准确的前瞻推理能力

Yangbin Yu, Mingyu Yang, Junyou Li, Yiming Gao, Feiyu Liu, Yijun Yang,... 2026-02-06
大语言模型 强化学习 推理蒸馏 智能体 游戏AI
✅ 已总结
详情 →

900万数学定理的语义搜索

👍 19

构建920万数学定理语料库并实现语义检索系统，在专业数学查询上显著优于现有工具。

Luke Alexander, Eric Leonen, Sophie Szeto, Artemii Remizov, Ignacio Tejeda,... 2026-02-06
向量嵌入 大语言模型 数学信息检索 数学定理 语义搜索
✅ 已总结
详情 →

LatentMem：为多智能体系统定制潜在记忆

👍 17

提出可学习的潜在记忆框架，通过角色感知的潜变量优化解决多智能体记忆同质化和信息过载问题

Muxin Fu, Guibin Zhang, Xiangyuan Xue, Yafu Li, Zefeng He, Siyuan Huang,... 2026-02-06
多智能体系统 大语言模型 强化学习 潜在表示 记忆机制
✅ 已总结
详情 →

多任务GRPO：跨任务的可靠LLM推理

👍 14

提出MT-GRPO算法，通过自适应任务加权和比例保持采样实现多任务推理的均衡优化

Shyam Sundhar Ramesh, Xiaotong Ji, Matthieu Zimmer, Sangwoong Yoon, Zhiyong... 2026-02-06
后训练 多任务学习 大语言模型 强化学习 推理能力
✅ 已总结
详情 →

BABE：生物学实验推理能力评估基准

👍 10

基于真实论文构建的生物学实验推理基准，评估LLM因果推理能力

Junting Zhou, Jin Chen, Linfeng Hao, Denghui Cao, Zheyu Wang, Qiguang Chen,... 2026-02-06
基准测试 大语言模型 实验推理 生物信息学 科学评估
✅ 已总结
详情 →

统一框架重新审视 GRPO 中的策略散度度量

👍 2

用 KL3 估计器替代 GRPO 中的对称裁剪，实现有理论保证的非对称近信赖域约束

Qingyuan Wu, Yuhui Wang, Simon Sinong Zhan, Yanning Dai, Shilong Deng, Sarra... 2026-02-06
GRPO 信赖域方法 大语言模型 强化学习 策略优化
✅ 已总结
详情 →

PhysicsAgentABM：物理引导的生成式基于代理建模

👍 0

将LLM多智能体推理从个体层面提升到集群层面，通过神经符号融合实现可扩展、校准良好的群体动态模拟

Kavana Venkatesh, Yinhan He, Jundong Li, Jiaming Cui 2026-02-06
不确定性量化 多智能体系统 大语言模型 智能体建模 流行病模拟
✅ 已总结
详情 →

面向通用LLM推理的基于似然的奖励设计

👍 9

对数概率奖励在可验证和不可验证领域均为CoT训练提供统一信号

Ariel Kwiatkowski, Natasha Butt, Ismail Labiad, Julia Kempe, Yann Ollivier 2026-02-05
大语言模型 奖励设计 强化学习 推理优化 链式思维
✅ 已总结
详情 →