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 191 条结果
相关性 | 日期

揭秘在线策略蒸馏：角色、病理与调控

👍 20

系统揭示OPD的探索催化本质，诊断信号失真病理，用零开销信号调控修复训练不稳定

Rui Wang, Hongru Wang, Yi Chen, Boyang Xue, Tianqing Fang, Wenhao Yu, Kam-Fai Wong 2026-07-17
在线策略蒸馏 大模型后训练 强化学习 知识蒸馏 训练动力学
✅ 已总结
详情 →

OvisOCR2 技术报告：0.8B 端到端文档解析模型

👍 54

0.8B端到端文档解析模型，靠数据引擎+多组件RL奖励+策略蒸馏刷新多项OCR榜单

Shiyin Lu, Yinglun Li, Yu Xia, Yuhui Chen, An-Yang Ji, Jun-Peng Jiang,... 2026-07-16
OCR 多模态大模型 强化学习 文档解析 知识蒸馏
✅ 已总结
详情 →

通过直接在策略蒸馏实现由弱到强的泛化

👍 129

Direct-OPD：用小模型RL的策略位移当隐式奖励，低成本提升更强的学生模型

Shiyuan Feng, Huan-ang Gao, Haohan Chi, Hanlin Wu, Zhilong Zhang, Zheng... 2026-07-14
后训练 弱到强泛化 强化学习RLVR 知识蒸馏 策略蒸馏
✅ 已总结
详情 →

信任区域策略蒸馏

👍 32

通过动态构造近端教师解决OPD优化不稳定性，零计算开销实现数学推理性能大幅提升

Zhengpeng Xie, Li Lyna Zhang, Zeke Xie, Mao Yang 2026-07-13
信任区域方法 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

TESSERA v2：扩展像素级地球基础模型

👍 2

395次实验揭示地球观测模型缩放规律，蒸馏出高效嵌入产品

Zhengpeng Feng, Sadiq Jaffer, Ira Shokar, Jovana Knezevic, Mark Elvers,... 2026-07-09
MATRYOSHKA嵌入 地球观测 知识蒸馏 缩放定律 自监督学习
✅ 已总结
详情 →

TREK：蒸馏以探索、强化以精炼

👍 8

TREK扩展GRPO探索支持，提升数学和Agent性能

Yuanda Xu, Zhengze Zhou, Kayhan Behdin, Jelena Markovic-Voronov, Hejian... 2026-07-08
Agent 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

DuoMem：基于双空间蒸馏的端侧记忆智能体

👍 10

通过上下文空间和参数空间双重蒸馏，将大模型的过程式记忆能力迁移到小模型，实现边缘设备部署

Peyman Hosseini, Ondrej Bohdal, Ahmed Alajrami, Andrea Maracani, Ignacio... 2026-07-03
LoRA 智能体 知识蒸馏 边缘计算 过程式记忆
✅ 已总结
详情 →

DOPD：双重在线策略蒸馏

👍 104

通过优势感知的动态双蒸馏缓解特权幻觉问题，显著提升LLM和VLM的蒸馏性能

Xinlei Yu, Gen Li, Qingyi Si, Guibin Zhang, Yuqi Xu, Congcong Wang, Shuai... 2026-07-01
在线策略蒸馏 大模型压缩 特权信息 知识蒸馏 视觉语言模型
✅ 已总结
详情 →

DanceOPD：在线策略生成场蒸馏

👍 81

通过硬路由和单查询场匹配，实现多能力图像生成模型的统一蒸馏

Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng... 2026-06-26
Flow Matching 图像生成 图像编辑 多能力组合 知识蒸馏
✅ 已总结
详情 →