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 LLM智能体 知识蒸馏 多智能体系统 智能体 流匹配 具身智能 多模态学习 基准评测 图像生成 代码生成 LLM Agent 检索增强生成 机器人操作 注意力机制 可解释性 多模态大语言模型 视频理解 数学推理 图像编辑 RLVR 多模态 机器人学习 长上下文 自监督学习 后训练 对比学习 Transformer 数据合成 工具使用 视觉-语言-动作模型 推理加速 LoRA 多模态推理 工具调用 LLM评估 高效推理 信息检索 评测基准 RAG 计算机视觉 参数高效微调 扩散语言模型 视觉推理 自蒸馏 综述 3D重建 Flow Matching 模型压缩 自回归生成 持续学习 自回归模型
找到 999 条结果
相关性 | 日期

面向LLM推理的RLVR更新方向：识别与利用

👍 29

用token级log概率差识别RLVR稀疏更新方向，提升推理精度

Kexin Huang, Haoming Meng, Junkang Wu, Jinda Lu, Chiyu Ma, Ziqian Chen, Xue... 2026-03-24
token级分析 大语言模型 强化学习 推理能力 策略优化
✅ 已总结
详情 →

PivotRL：低计算成本下的高精度智能体后训练

👍 19

通过筛选高方差轮次和功能等价奖励，将SFT轨迹转化为高效RL训练，实现4倍计算节省同时保持OOD泛化

Junkeun Yi, Damon Mosk-Aoyama, Baihe Huang, Ritu Gala, Charles Wang, Sugam... 2026-03-24
GRPO 后训练 大语言模型 工具调用 强化学习
✅ 已总结
详情 →

理解动作量化的行为克隆

👍 2

为动作量化的行为克隆建立理论框架，证明稳定动力学下可实现最优样本复杂度

Haoqun Cao, Tengyang Xie 2026-03-24
动作量化 强化学习 理论分析 自回归模型 行为克隆
✅ 已总结
详情 →

连续环境中的语义视听导航

👍 2

提出MAGNet模型解决连续环境中语义视听导航任务，在目标声音间歇或静默后仍能维持目标追踪

Yichen Zeng, Hebaixu Wang, Meng Liu, Yu Zhou, Chen Gao, Kehan Chen, Gongping Huang 2026-03-24
具身导航 多模态学习 强化学习 音频-视觉融合
✅ 已总结
详情 →

LoopRPT：面向循环语言模型的强化预训练框架

👍 15

用强化学习直接优化循环语言模型的隐空间推理步骤，实现更准更快的隐式推理

Guo Tang, Shixin Jiang, Heng Chang, Nuo Chen, Yuhan Li, Huiming Fan, Jia Li,... 2026-03-23
强化学习 循环语言模型 早退出 隐空间推理 预训练
✅ 已总结
详情 →

教导智能体逐步绘制矢量素描

👍 5

通过部分级标注和过程奖励强化学习，实现逐步生成可编辑的矢量素描

Xiaodan Du, Ruize Xu, David Yunis, Yael Vinker, Greg Shakhnarovich 2026-03-23
多模态学习 强化学习 生成模型 矢量图形 计算机视觉
✅ 已总结
详情 →

Memento-Skills：让智能体设计智能体

👍 58

通过读写反思学习，让LLM智能体自主构建、优化和复用技能库，实现无需参数更新的持续学习

Huichi Zhou, Siyuan Guo, Anjie Liu, Zhongwei Yu, Ziqin Gong, Bowen Zhao,... 2026-03-20
LLM 强化学习 技能学习 持续学习 智能体
✅ 已总结
详情 →