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

稳定扩散语言模型的强化学习训练

👍 3

提出StableDRL，通过无条件裁剪和自归一化解决dLLM强化学习中的奖励崩溃问题

Jianyuan Zhong, Kaibo Wang, Ding Ding, Zijin Feng, Haoli Bai, Yang Xiang,... 2026-03-09
GRPO 后训练优化 强化学习 扩散语言模型 训练稳定性
✅ 已总结
详情 →

KARL：基于强化学习的知识智能体

👍 7

用多任务强化学习训练企业搜索智能体，在多类知识检索任务上超越闭源大模型

Jonathan D. Chang, Andrew Drozdov, Shubham Toshniwal, Owen Oertell,... 2026-03-06
信息检索 多任务学习 强化学习 测试时计算 知识智能体
✅ 已总结
详情 →

V1：统一生成与自验证的并行推理框架

👍 14

通过成对比较和联合训练统一生成与验证，提升并行推理性能

Harman Singh, Xiuyu Li, Kusha Sareen, Monishwaran Maheswaran, Sijun Tan,... 2026-03-05
代码生成 并行推理 强化学习 数学推理 测试时扩展
✅ 已总结
详情 →

下一嵌入预测使世界模型更强大

👍 21

用因果Transformer预测下一时刻嵌入，替代像素重建学习世界模型

George Bredis, Nikita Balagansky, Daniil Gavrilov, Ruslan Rakhimov 2026-03-04
Transformer 世界模型 强化学习 模型基强化学习 表征学习
✅ 已总结
详情 →