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 124 条结果
相关性 | 日期

Aspire：模糊目标驱动的模型自我进化基准

👍 49

智能体能跑通自我训练闭环，却难把模糊目标转化为可保留的真实能力提升

Yuhao Wu, Jingyuan Zhang, Jiajun Shi, Yuxuan Zhang, Xinping Lei, Junting... 2026-09-03
Agent Harness LLM自我进化 后训练 智能体基准 隐藏评估
✅ 已总结
详情 →

CogEvol：迈向高效可靠的学习环境生成

👍 33

纯后训练专用模型家族，单次调用生成幻灯片与可交互课件，用可执行探针把交互性变成可测量的奖励信号

Shangqing Tu, Daniel Zhang-Li, Yucheng Wang, Shiyu Gan, Yanpeng Wang,... 2026-09-01
GRPO 后训练 国产算力适配 奖励攻击 奖励设计
✅ 已总结
详情 →

V-Rubrics：基于量规强化学习的视觉忠实性

👍 16

把参考答案拆成原子量规条目，为VLM后训练提供细粒度、前缀定位的RL奖励

Shulin Tian, Minglun Li, Yuhao Dong, Hao Ding, Jiarui Yao, Haiwen Diao,... 2026-08-27
GRPO 后训练 多模态大模型 奖励设计 强化学习
✅ 已总结
详情 →