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

使用过程奖励扩展多智能体系统

👍 8

通过AI反馈的逐动作过程奖励训练多智能体，解决信用分配和样本效率问题

Ed Li, Junyu Ren, Cat Yan 2026-02-02
AI反馈 多智能体系统 大语言模型 强化学习 过程奖励
✅ 已总结
详情 →

语言模型知识蒸馏中的记忆动态研究

👍 4

知识蒸馏可将训练数据记忆减少50%以上，同时提升模型泛化能力

Jaydeep Borkar, Karan Chadha, Niloofar Mireshghallah, Yuchen Zhang,... 2026-02-02
大语言模型 数据记忆 模型压缩 知识蒸馏 隐私保护
✅ 已总结
详情 →