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 507 条结果
相关性 | 日期

CoWindow Attention：完全因果覆盖是一种集体属性

👍 17

把长程历史按KV头互补划分、集体覆盖全部因果历史，以稀疏成本逼近全注意力质量。

Jingze Shi, Zhangyang Peng, Xianduo Li, Yanlin Qi, Xiaotian Lin, Haoxian... 2026-09-29
大语言模型 注意力架构 稀疏注意力 长上下文 高效训练与推理
✅ 已总结
详情 →

对数线性复杂度的块稀疏注意力

👍 28

用键金字塔逐层LSE筛选，把块稀疏注意力的选择开销从O(N²/C)降到O(N log N)

Bohao Tang, Zhen Qin, Yuqi Pan, Zheng Li, Pengfei Liu 2026-09-28
Triton内核 大语言模型 稀疏注意力 长上下文 高效注意力
✅ 已总结
详情 →

LastOPD：驯服潜在在线策略蒸馏中的坍塌

👍 24

只对齐最后一层隐状态并在10步内淡出潜在监督，保住早期增益且避免训练坍塌。

Jie Yang, Zhengyu Fang, Zelin Xu, Jiarui Sun, Xiran Fan, Junpeng Wang, Liang... 2026-09-28
可解释性 在线策略蒸馏 大语言模型 知识蒸馏 表示对齐
✅ 已总结
详情 →

迈向大语言模型全流水线 FP8 强化学习

👍 14

发现FP8强化学习全流程的过裁剪失稳根因，提出校准裁剪恢复BF16性能并提速1.5倍

Fanchao Chen, Ziheng Jiang, Ziyun Wei, Zheng Zhong, Du Li, Chi Zhang, Haibin... 2026-09-22
FP8量化 PPO/GRPO 低精度训练 大语言模型 强化学习
✅ 已总结
详情 →

Atria Dawn：智能体超级智能的黎明

👍 253

744B MoE 智能体模型以可验证经验流水线训练，并用 769 条任务记录剖析人机分工。

Honglin Guo, Tao Gui, Yicheng Chen, Guanting Dong, Qiming Ge, Yuyang Hu,... 2026-09-15
人机协作 可验证奖励 大语言模型 智能体 递归自我改进
✅ 已总结
详情 →