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 188 条结果
相关性 | 日期

SKILL-KD：面向大模型智能体的对比式技能蒸馏

👍 11

对比师生轨迹差异，把行为差距蒸馏成可验证的文本技能，增强冻结的弱学生智能体

Qiming Shi, Yibo Dou, Jiawen Zhu, Yulong Tao, Linbo Jin, Zhaolu Kang, Yunfan... 2026-08-06
LLM智能体 师生对比 技能学习 提示工程 知识蒸馏
✅ 已总结
详情 →

MemHarness：让智能体重构而非回放记忆

👍 15

用统一策略在行动前依据当前状态重构检索经验，GRPO 端到端训练

Rong Wu, Daocheng Fu, Licheng Wen, Xuemeng Yang, Shu Zou, Jianbiao Mei,... 2026-07-31
GRPO LLM智能体 POMDP 强化学习 经验重构
✅ 已总结
详情 →

大语言模型在用户意图演变中的迷失

👍 23

把单轮基准升级为意图演变多轮对话，揭示前沿LLM难以跟踪变化的用户意图

Jihoon Tack, Philippe Laban, Jennifer Neville 2026-07-24
LLM智能体 多轮对话评估 对话建模 智能体基准 用户意图跟踪
✅ 已总结
详情 →