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 147 条结果
相关性 | 日期

基于归一化流的潜空间推理

👍 8

用标准化流在LLM中建模连续思维链，保持自回归接口并支持策略梯度优化

Guancheng Tu, Xiangjun Fu, Suhao Yu, Yao Tang, Haoqiang Kang, Lianhui Qin,... 2026-06-05
代码生成 大语言模型 思维链推理 标准化流 潜在表示
✅ 已总结
详情 →

MiniMax-M2 系列:极小激活参数释放极致真实世界智能

👍 37

9.8B 激活参数的 MoE 大模型,通过 Agent 数据管线+Forge 强化学习系统+自我进化,在编码与办公 Agent 任务上比肩头部闭源模型

MiniMax, Aili Chen, Aonian Li, Baichuan Zhou, Bangwei Gong, Binyang Jiang,... 2026-05-27
Agent MoE Speculative Decoding 代码生成 强化学习
✅ 已总结
详情 →

基于变分策略蒸馏的语言反馈学习

👍 11

提出变分策略蒸馏(VPD)框架，通过EM算法让教师与学生协同进化，解决RLVR稀疏奖励问题

Yang Li, Erik Nijkamp, Semih Yavuz, Shafiq Joty 2026-05-21
代码生成 变分推断 大语言模型 强化学习 科学推理
✅ 已总结
详情 →