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 1234 条结果
相关性 | 日期

OvisOCR2 技术报告：0.8B 端到端文档解析模型

👍 51

0.8B端到端文档解析模型，靠数据引擎+多组件RL奖励+策略蒸馏刷新多项OCR榜单

Shiyin Lu, Yinglun Li, Yu Xia, Yuhui Chen, An-Yang Ji, Jun-Peng Jiang,... 2026-07-16
OCR 多模态大模型 强化学习 文档解析 知识蒸馏
✅ 已总结
详情 →

现代智能体系统中的自我改进：综述

👍 31

把自我改进智能体形式化为参数更新与脚手架更新两条路径，统一梳理历史、分类、应用与评估。

Zhe Ren, Yimeng Chen, Dandan Guo, Guowei Rong, Tonghui Li, R. B. Xiong,... 2026-07-16
基础模型 工具使用 强化学习 提示优化 智能体
✅ 已总结
详情 →

MuScriptor：一个开放的多乐器音乐转录模型

👍 15

开放权重多乐器音乐转录模型，结合合成数据预训练、真实数据微调与强化学习后训练

Simon Rouard, Michael Krause, Axel Roebel, Carl-Johann Simon-Gabriel,... 2026-07-15
Transformer 多乐器建模 开放权重模型 强化学习 自动音乐转录
✅ 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 →

自动设计具身智能体架构

👍 12

提出AGENTCANVAS和KDLOOP系统化评估 embodied agents 的架构搜索效果

Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou, Qi Wu 2026-07-09
Agent Architecture Search Embodied Agents LLM Agents 强化学习 视觉语言导航
✅ 已总结
详情 →

MentalThink：在心理SVG世界中塑造思维

👍 13

让多模态大模型通过生成SVG代码进行可视化推理，提升空间理解能力

Kangheng Lin, Jisheng Yin, Dingming Li, En Yu, Yana Wei, Han Zhou, Liang... 2026-07-08
SVG可视化 多模态推理 强化学习 思维链 空间理解
✅ 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 →

Rank-Then-Act：基于帧序进度的无奖励控制

👍 6

从专家视频演示中学习进度排名，用Spearman相关系数作为无奖励RL的奖励信号

Yuriy Maksyuta, George Bredis, Ruslan Rakhimov, Daniil Gavrilov 2026-07-08
奖励学习 强化学习 无奖励控制 视觉语言模型 视频演示
✅ 已总结
详情 →