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 93 条结果
相关性 | 日期

iGRPO：自我反馈驱动的LLM推理

👍 19

通过两阶段迭代自我反馈机制提升LLM数学推理能力的强化学习算法

Ali Hatamizadeh, Shrimai Prabhumoye, Igor Gitman, Ximing Lu, Seungju Han,... 2026-02-11
GRPO扩展 强化学习 推理优化 数学推理 策略优化
✅ 已总结
详情 →

残差上下文扩散语言模型

👍 37

通过回收被丢弃的中间计算信号，显著提升扩散语言模型的推理准确率

Yuezhou Hu, Harman Singh, Monishwaran Maheswaran, Haocheng Xi, Coleman... 2026-02-05
并行解码 扩散语言模型 数学推理 残差学习 高效推理
✅ 已总结
详情 →

自提示语言模型增强强化学习

👍 31

通过训练时注入自生成提示解决 GRPO 稀疏奖励下的优势崩塌问题

Baohao Liao, Hanze Dong, Xinxing Xu, Christof Monz, Jiang Bian 2026-02-05
GRPO 大语言模型对齐 强化学习 数学推理 策略优化
✅ 已总结
详情 →

OVD：在策略语言蒸馏

👍 6

用离散语言分数替代token级概率匹配，实现内存高效的推理能力蒸馏

Jing Xiong, Hui Shen, Shansan Gong, Yuxin Cheng, Jianghan Shen, Chaofan Tao,... 2026-02-03
Web问答 强化学习 推理 数学推理 知识蒸馏
✅ 已总结
详情 →