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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 448 条结果
相关性 | 日期

TREK：蒸馏以探索、强化以精炼

👍 8

TREK扩展GRPO探索支持，提升数学和Agent性能

Yuanda Xu, Zhengze Zhou, Kayhan Behdin, Jelena Markovic-Voronov, Hejian... 2026-07-08
Agent 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

验证视界：编码 Agent 奖励机制的银弹不存在

👍 51

研究编码 Agent 训练中的奖励信号设计问题，提出验证器与生成器协同进化的框架

Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen,... 2026-06-26
Agent 评估 代码生成 大语言模型 奖励设计 强化学习
✅ 已总结
详情 →

更深不一定更好：通过置信层解码缓解对齐税

👍 24

通过动态选择熵谷层而非最终层，缓解 RLHF 对齐训练对复杂推理任务的负面影响

Xuanming Zhang, Sining Zhoubian, Yuxuan Chen, Tianyi Tang, An Yang, Sean Du,... 2026-06-23
大语言模型 对齐税 层动态分析 推理增强 解码策略
✅ 已总结
详情 →

Multi-LCB：将LiveCodeBench扩展到多种编程语言

👍 60

将Python代码基准扩展到12种语言，揭示LLMs的Python过拟合和多语言性能差异

Maria Ivanova, Pavel Zadorozhny, Rodion Levichev, Ivan Petrov, Adamenko... 2026-06-19
代码生成 基准测试 多语言评估 大语言模型 污染感知评估
✅ 已总结
详情 →