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 75 条结果
相关性 | 日期

H2SD：混合后见自蒸馏

👍 8

按轨迹正确性分流的混合自蒸馏框架，统一RLSD稳定优化与OPSD方向纠正。

Qiye Cai, Yichuan Ma, Linyang Li, Peiji Li, Yongkang Chen, Qipeng Guo,... 2026-07-22
信用分配 可验证奖励RLVR 大语言模型推理 强化学习 自蒸馏
✅ 已总结
详情 →

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 →