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

TACO：面向智能体工具使用的工具增强信用优化

👍 20

通过差分答案探针奖励和结果门控优势路由，精确评估视觉工具调用的贡献并智能控制工具使用

Mingkuan Feng, Jinyang Wu, Hao Gu, Fangrui Lv, Ruihan Jin, Chuyuan Zhang,... 2026-06-30
GRPO 信用分配 多模态智能体 强化学习 视觉工具使用
✅ 已总结
详情 →

验证视界：编码 Agent 奖励机制的银弹不存在

👍 52

研究编码 Agent 训练中的奖励信号设计问题，提出验证器与生成器协同进化的框架

Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen,... 2026-06-26
Agent 评估 代码生成 大语言模型 奖励设计 强化学习
✅ 已总结
详情 →

离散化奖励模型

👍 17

通过离散化奖励模型解决过度敏感问题，提升强化学习效果

Vijay Viswanathan, Shiqi Wang, Devamanyu Hazarika, Chirag Nagpal, Tongshuang... 2026-06-26
RLHF 奖励模型 奖励黑客 强化学习 离散化
✅ 已总结
详情 →

COrigami：用于协同设计可平折可视化折纸的AI流水线

👍 6

首个端到端AI系统，从自然语言生成可平折的可识别折纸设计，结合神经符号方法与强化学习优化美学质量

Tom Zahavy, Shaobo Hou, Thomas Tumiel, James Doran, Francesco Faccio, Xidong... 2026-06-26
几何约束 协同创意 强化学习 生成式设计 神经符号系统
✅ 已总结
详情 →

后训练如何塑造生物推理模型

👍 3

研究后训练阶段对生物推理模型泛化的不同影响

Lukas Fesser, Hanlin Zhang, Michelle M. Li, Eric Wang, Bryan Perozzi,... 2026-06-26
后训练 多模态学习 强化学习 泛化能力 生物推理
✅ 已总结
详情 →