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 视觉语言模型 世界模型 GRPO 多模态大模型 LLM智能体 知识蒸馏 多智能体系统 智能体 流匹配 多模态学习 具身智能 基准评测 图像生成 代码生成 LLM Agent 检索增强生成 机器人操作 注意力机制 多模态大语言模型 可解释性 视频理解 数学推理 图像编辑 RLVR 多模态 机器人学习 长上下文 自监督学习 后训练 对比学习 Transformer 数据合成 工具使用 视觉-语言-动作模型 推理加速 LoRA 多模态推理 工具调用 LLM评估 高效推理 信息检索 评测基准 RAG 计算机视觉 参数高效微调 扩散语言模型 视觉推理 自蒸馏 综述 3D重建 Flow Matching 模型压缩 自回归生成 持续学习 自回归模型
找到 998 条结果
相关性 | 日期

SEIF：面向指令遵循的自进化强化学习

👍 30

用 Instructor–Follower 闭环共进化让指令难度随模型能力自动升级,无需外部教师即可提升开源 LLM 的多约束指令遵循能力

Qingyu Ren, Qianyu He, Jiajie Zhu, Xingzhou Chen, Jingwen Chang, Zeye Sun,... 2026-05-12
GRPO LLM 对齐 强化学习 指令遵循 自我博弈
✅ 已总结
详情 →

基于评分标准的在线策略蒸馏

👍 41

用语义化评分标准替代教师 logits 的黑箱在线蒸馏框架。

Junfeng Fang, Zhepei Hong, Mao Zheng, Mingyang Song, Gengsheng Li, Houcheng... 2026-05-11
GRPO LLM对齐 强化学习 知识蒸馏 评分标准奖励
✅ 已总结
详情 →

PACEvolve++：改进进化搜索代理的测试时学习

👍 4

通过advisor模型和相位自适应RL，改进进化搜索代理在昂贵评估场景下的策略适应能力

Minghao Yan, Bo Peng, Benjamin Coleman, Ziqi Chen, Zhouhang Xie, Shuo Chen,... 2026-05-11
LLM代理 强化学习 测试时学习 算法发现 进化搜索
✅ 已总结
详情 →