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

LIMMT：少即是多的运动跟踪方法

👍 15

通过数据质量选择而非数量堆叠，仅用3%数据实现超越完整数据集的人形机器人运动跟踪性能

Yu Guan, Zekun Qi, Chenghuai Lin, Xuchuan Chen, Dairu Liu, Wenyao Zhang,... 2026-06-08
强化学习 数据质量 机器人学 模仿学习 运动捕捉
✅ 已总结
详情 →

信任区域Q伴随匹配

👍 24

通过自适应信任区域控制稳定离策略流策略微调

Yonghoon Dong, Kyungmin Lee, Changyeon Kim, Jaehyuk Kim, Jinwoo Shin 2026-06-05
信任区域 强化学习 流策略 离策略学习 随机最优控制
✅ 已总结
详情 →

迈向一对多时序定位

👍 8

首个一对多时序定位框架，解决现实视频中重复事件定位问题

Qi Xu, Yue Tan, Shihao Chen, Jiahao Meng, Anna Wang, Shunping Ji, Hao Fei, Jason Li 2026-06-05
多模态大模型 强化学习 时序定位 视频理解
✅ 已总结
详情 →

元认知记忆策略优化：面向长周期 LLM 智能体

👍 7

引入信念熵提供细粒度记忆监督，解决长周期智能体的噪声积累和信念漂移问题

Ziyan Liu, Zhezheng Hao, Yeqiu Chen, Hong Wang, Jingren Hou, Ruiyi Ding,... 2026-06-05
POMDP 不确定性估计 强化学习 记忆增强智能体 长周期推理
✅ 已总结
详情 →

自蒸馏策略梯度

👍 27

把全词表自蒸馏与RLVR奖励统一为策略梯度，稳定提升LLM推理性能。

Yifeng Liu, Shiyuan Zhang, Yifan Zhang, Quanquan Gu 2026-06-04
RLVR 大语言模型推理 强化学习 知识蒸馏 策略优化
✅ 已总结
详情 →

MemTrain：自监督的上下文记忆训练

👍 18

自监督双代理任务（端到端重建+中间记忆召回）预训练LLM记忆能力。

Ziheng Li, Xingrun Xing, Haoqing Wang, Zhi-Hong Deng, Yehui Tang 2026-06-04
GRPO 上下文记忆智能体 多跳问答 强化学习 自监督预训练
✅ 已总结
详情 →