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 59 条结果
相关性 | 日期

为什么微调会诱发幻觉以及如何修复

👍 25

把 SFT 幻觉重新解读为事实遗忘，并给出参数冻结与自蒸馏两类缓解方案。

Guy Kaplan, Zorik Gekhman, Zhen Zhu, Lotem Rozner, Yuval Reif, Swabha... 2026-04-28
SFT 事实遗忘 幻觉抑制 持续学习 自蒸馏
✅ 已总结
详情 →

通过样本路由统一组相对和自蒸馏策略优化

👍 32

SRPO将正确样本路由到GRPO、失败样本路由到SDPO，实现早期效率和长期稳定性的双重优势

Gengsheng Li, Tianyu Yang, Junfeng Fang, Mingyang Song, Mao Zheng, Haiyun... 2026-04-07
RLVR 大语言模型后训练 强化学习 策略优化 自蒸馏
✅ 已总结
详情 →