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 232 条结果
相关性 | 日期

用于代码优化的强化学习

👍 11

让RL真正学会写更快的正确代码：从测试、沙箱、奖励到GRPO全链路改造。

Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve 2026-07-29
GRPO RLVR 代码优化 强化学习 竞赛编程
✅ 已总结
详情 →

群组熵控制的策略优化

👍 29

用群组熵引导的非对称优势塑形，缓解GRPO多任务训练的探索-利用失衡

Guangran Cheng, Chengqi Lyu, Songyang Gao, Wenwei Zhang, Kai Chen 2026-07-21
GRPO 多任务强化学习 大语言模型对齐 强化学习 策略熵控制
✅ 已总结
详情 →

GRASP：面向智能体 RAG 的粒度感知搜索策略

👍 8

用强化学习训练智能体 RAG 协调语义检索、关键词检索与段落读取三类工具。

Varun Gandhi, Jaewook Lee, Shantanu Todmal, Franck Dernoncourt, Ryan Rossi,... 2026-07-17
Agentic RAG GRPO 上下文粒度 多跳问答 强化学习
✅ 已总结
详情 →

TACO：面向智能体工具使用的工具增强信用优化

👍 21

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 →