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 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 507 条结果
相关性 | 日期

面向对话式推荐系统的零数据自举实证研究

👍 1

无需对话语料，仅凭评论、元数据与协同信号主动选择并用LLM合成对话即可训练有效CRS

Rohan Surana, Junda Wu, Zhouhang Xie, Yu Xia, Nathan Kallus, Julian McAuley 2026-09-03
主动学习 合成数据 大语言模型 对话式推荐系统 零数据引导
✅ 已总结
详情 →

归一化低秩适配（NoRA）

👍 57

沿秩维度归一化LoRA下投影矩阵，零额外参数即可加速收敛、提升性能与稳定性

Jiale Kang, Ziyin Yue, Zheng Zhan, Yangyi Huang, Weiyang Liu 2026-09-01
LoRA 优化动力学 参数高效微调 大语言模型 预条件子
✅ 已总结
详情 →

面向大模型持续改进的经验链

👍 7

让LLM在测试时通过迭代反馈积累经验，无需训练即可持续提升

Haoqin Tu, Yunhao Fang, Yizhong Wang, Cihang Xie, Shen Yan 2026-08-21
反馈学习 大语言模型 测试时计算 自我改进
✅ 已总结
详情 →

验证器诱导的在线策略优化支持重塑

👍 6

RLVR 在提升当前任务的同时，会把未来任务的成功轨迹挤到固定预算内难以采样

Shaohang Wei, Zikun Su, Feifan Song, Wen Luo, Wei Li, Guangyue Peng, Houfeng Wang 2026-08-17
RLVR 大语言模型 强化学习 持续学习 指令跟随
✅ 已总结
详情 →

缓解英译罗机器翻译中的性别偏见

👍 1

用LLM性别分类加标签感知翻译模型的混合流水线，把英译罗性别准确率提升40个百分点以上

Ioana Grigore, Sergiu Nisioi 2026-08-14
LoRA微调 低资源语言 大语言模型 性别偏见 机器翻译
✅ 已总结
详情 →

当教师误导时：伪信号感知的在线策略蒸馏

👍 19

过滤在线蒸馏中既不依赖输入又高影响的虚假教师信号

Yinuo Jiang, Yongjie Ye, Zhou Tao, Xiang Zhuang, Qiang Zhang, Huajun Chen, Tiankai Li 2026-08-06
在线策略蒸馏 大语言模型 梯度信噪比 知识蒸馏 视觉语言模型
✅ 已总结
详情 →