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 305 条结果
相关性 | 日期

Latent-MOPD：潜在空间多教师在线蒸馏

👍 34

融合专家输出分布与隐藏状态双重监督，单个1.5B学生模型超越各领域专家教师

Zhengyu Fang, Seoyeon Hong, Jie Yang, Muyang Li, Koyoshi Shindo, Brandon... 2026-10-05
在线蒸馏 多教师学习 大语言模型 知识蒸馏 表示对齐
✅ 已总结
详情 →

GTR：门控Token循环实现高效稠密预测

👍 8

线性复杂度门控循环骨干配合极简蒸馏与定制CUDA核，六大稠密任务兼顾精度与边缘延迟

Zhe Feng, Longfei Liu, Wei Liu, Kai Chen, Jiangang Kong, Wei Zhou, Yifeng... 2026-10-05
目标检测 知识蒸馏 稠密预测 线性注意力 视觉骨干网络
✅ 已总结
详情 →

面向长时程自回归视频生成的滚动边缘蒸馏

👍 6

以分块独立评分解耦质量监督与时间一致性，RMD在百倍训练时域外仍稳定生成

Chenjian Gao, Zhihao Hu, Jianqi Ma, Jun Zhang, Weidong Zhang, Tianfan Xue 2026-10-05
扩散模型 知识蒸馏 自回归模型 视频生成 长视频生成
✅ 已总结
详情 →

从梯度到能力：理解多教师在线策略蒸馏

👍 6

解剖MOPD中损失加权、Adam动量与BF16精度如何筛选教师信号并决定任务收益

Siqi Zhu, Suozhi Huang, Kaixuan Zhang, Yuheng Yang, Zhanyang Jin, Yihang... 2026-10-05
LLM后训练 优化器分析 在线策略蒸馏 多教师蒸馏 损失加权
✅ 已总结
详情 →

缩放与蒸馏文本嵌入以提升扩散性

👍 24

缩放T5Gemma-2嵌入并蒸馏解码概率，使连续扩散语言模型生成更有效。

Zekai Zhang, Yunjie Tian, Yanjin He, Xiaoyan Zhang, Dongdi Zhao, Qing Qu, Di Fu 2026-10-02
扩散语言模型 文本嵌入 文本生成 潜在扩散 知识蒸馏
✅ 已总结
详情 →

视频生成模型的后训练与对齐综述

👍 20

首篇系统梳理视频生成后训练与对齐的综述：四族方法、数据基准与开放挑战

Chaoyu Li, Xiaoyi Gu, Yogesh Kulkarni, Eun Woo Im, Mohammadmahdi Honarmand,... 2026-10-02
偏好优化 后训练 对齐 强化学习 扩散模型
✅ 已总结
详情 →

更好的监督就在近旁：邻域在线策略自蒸馏

👍 12

将特权教师参数邻域的扰动专家组成池，逐状态路由监督以增强在线自蒸馏

Xincheng Wei, Yifan Ding, Yoshua Li, Yuquan Lu, Ziheng Li, Yi Lu, Dongsheng... 2026-10-02
LLM后训练 在线策略学习 数学推理 模型合并与扰动 知识蒸馏
✅ 已总结
详情 →

PivotOPD：学习从多轮智能体的关键错误中恢复

👍 16

在关键错误处施加预防性蒸馏、在其后施加恢复性蒸馏，让多轮智能体学会避免并从关键错误中恢复。

Yinghui He, Yapei Chang, Khushi Bhardwaj, Daniele Molinari, Tugrul Konuk,... 2026-10-01
LLM Agent 在线策略蒸馏 多轮智能体 强化学习 知识蒸馏
✅ 已总结
详情 →