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

基于推理结构收敛的 RLVR 训练数据检测

👍 2

利用 RLVR 导致的推理结构塌缩特征，通过 Min-kNN 距离黑盒检测训练数据

Hongbo Zhang, Yue Yang, Jianhao Yan, Guangsheng Bao, Yue Zhang 2026-02-13
RLVR 会员推断 强化学习 推理模型 数据污染检测
✅ 已总结
详情 →

PhyCritic：面向物理AI的多模态批评模型

👍 55

提出一个专为物理AI设计的多模态批评模型，通过自我参照的批评微调来提升物理推理和评估能力。

Tianyi Xiong, Shihao Wang, Guilin Liu, Yi Dong, Ming Li, Heng Huang, Jan... 2026-02-12
GRPO 具身智能 多模态批评模型 强化学习 机器人学
✅ 已总结
详情 →