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 1234 条结果
相关性 | 日期

自评估递归智能体

👍 12

训练递归智能体自己写评分量规，让学会评估反过来提升分解与解题能力

TianYi Lyu, Xiaozhe Li, Yang Li, Yongkang Chen, Kefei Tian, Junbo Niu, Zican... 2026-10-20
Rubric奖励 信用分配 强化学习 测试时扩展 自我评估
✅ 已总结
详情 →

语言智能体中行动与预测的协同进化

👍 9

让智能体在RL训练中同时预测自己未来的动作序列，无需额外模型即可显著提升样本效率。

Haofei Yu, Yixing Chen, Yining Zhao, Xuyan Ye, Yuxiang Liu, Zhigang Hua, Yan... 2026-10-20
GRPO LLM智能体 动作预测 强化学习 样本效率
✅ 已总结
详情 →

学会在三维世界中思考与探索

👍 60

让VLM把3D场景当作可交互环境，用结果导向RL学会边推理边主动探索

Yijiang Li, Bingyang Wang, Nuno Vasconcelos 2026-10-19
3D视觉语言模型 GRPO 主动探索 强化学习 空间推理
✅ 已总结
详情 →

面向长程智能体强化学习的树感知后验自蒸馏

👍 43

用前缀分支树把稀疏终局奖励蒸馏为有界后验教师，免Critic稳定长程智能体RL训练

Heming Zou, Qi Wang, Yixiu Mao, Yun Qu, Yuyi Guo, Zeyuan Liu, Chenglin Li,... 2026-10-19
RLVR 信用分配 大语言模型智能体 强化学习 策略蒸馏
✅ 已总结
详情 →

AVC-Reward：以事件为中心的音视频一致性评估

👍 10

把音视频解耦为事件并双向验证，三级指标既是可解释评估器又是RL奖励，大幅提升音视频一致性

Yuruo Wu, Kaihang Pan, Kai Shen, Jiacheng Li, Shuyuan Tu, Jisheng Dang, Li... 2026-10-19
多模态大模型 奖励模型 强化学习 评估基准 音视频生成
✅ 已总结
详情 →