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 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 498 条结果
相关性 | 日期

通过分布级奖励优化视觉生成模型

👍 16

提出分布级奖励框架解决样本级RL的reward hacking问题，显著提升生成质量

Ruihang Li, Mengde Xu, Shuyang Gu, Leigang Qu, Fuli Feng, Han Hu, Wenjie Wang 2026-07-03
Flow Matching 分布匹配 强化学习 扩散模型 模型合并
✅ 已总结
详情 →

Valdi：价值扩散世界模型

👍 15

结合扩散模型与价值函数的在线模型预测控制方法

Christopher Lindenberg, Kashyap Chitta 2026-07-02
世界模型 强化学习 扩散模型 模型预测控制
✅ 已总结
详情 →