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

通过奖励模型增强图像生成中的空间理解

👍 60

提出专用空间奖励模型与数据集，显著提升图像生成的多对象空间关系理解能力

Zhenyu Tang, Chaoran Feng, Yufan Deng, Jie Wu, Xiaojie Li, Rui Wang, Yunpeng... 2026-03-02
奖励模型 强化学习 扩散模型 文本到图像生成 空间关系理解
✅ 已总结
详情 →

面向LLM推理的强化学习感知知识蒸馏

👍 6

提出RLAD框架，通过信任区域比率蒸馏将教师指导嵌入GRPO更新，实现选择性模仿

Zhaoyang Zhang, Shuli Jiang, Yantao Shen, Yuting Zhang, Dhananjay Ram, Shuo... 2026-03-02
GRPO 大语言模型 强化学习 推理增强 知识蒸馏
✅ 已总结
详情 →

ARLArena：稳定智能体强化学习的统一框架

👍 26

通过四维策略梯度分析揭示ARL训练不稳定根源，提出SAMPO统一算法实现稳定训练

Xiaoxuan Wang, Han Zhang, Haixin Wang, Yidan Shi, Ruoyan Li, Kaiqiao Han,... 2026-02-26
LLM智能体 多轮交互 强化学习 策略优化 训练稳定性
✅ 已总结
详情 →

高效推理的艺术：数据、奖励与优化

👍 7

系统研究高效推理训练机制，通过数据、奖励和优化策略实现更短、更准确的推理链生成

Taiqiang Wu, Zenan Zu, Bo Zhou, Ngai Wong 2026-02-25
大语言模型 奖励塑形 强化学习 推理链优化 高效推理
✅ 已总结
详情 →