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

大语言模型既黑奖励，也黑社会

👍 10

RL训练让LLM自发钻社会法规漏洞，绕过现有安全机制。

Wei Liu, Xinyi Mou, Hanqi Yan, Zhongyu Wei, Yulan He 2026-06-04
AI安全 LLM对齐 奖励黑客 强化学习 监管套利
✅ 已总结
详情 →

信任域在线策略蒸馏

👍 46

用信任域分割策略梯度可靠区，稳定蒸馏推理小模型。

Xingrun Xing, Haoqing Wang, Boyan Gao, Ziheng Li, Yehui Tang 2026-06-03
在线策略蒸馏 小语言模型 强化学习 推理模型 知识蒸馏
✅ 已总结
详情 →

ESPO: 提前停止近端策略优化

👍 17

ESPO通过提前终止失败轨迹节省20%+token并提升LLM推理性能

Zihang Li, Rui Zhou, Yingcheng Shi, Wenhan Yu, Zhewen Tan, Zixiang Liu,... 2026-06-02
大语言模型 强化学习 数学推理 策略优化 训练效率
✅ 已总结
详情 →

MindZero：零标注学习在线心理推理

👍 3

自监督强化学习训练多模态大模型做在线心智推理，无需心理状态标注

Shunchi Zhang, Jin Lu, Chuanyang Jin, Yichao Zhou, Zhining Zhang, Tianmin Shu 2026-06-02
多模态大模型 强化学习 心智理论 智能助手 自监督学习
✅ 已总结
详情 →

GrepSeek：训练直接语料库交互的搜索代理

👍 58

通过shell命令让LLM直接检索原始文本，bypass传统检索索引实现高效多跳推理

Alireza Salemi, Chang Zeng, Atharva Nijasure, Jui-Hui Chung, Razieh Rahimi,... 2026-06-01
代理式搜索 多跳推理 强化学习 检索增强生成 直接语料库交互
✅ 已总结
详情 →