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 LLM智能体 知识蒸馏 多智能体系统 智能体 流匹配 具身智能 多模态学习 基准评测 图像生成 代码生成 LLM Agent 检索增强生成 机器人操作 注意力机制 可解释性 多模态大语言模型 视频理解 数学推理 图像编辑 RLVR 多模态 机器人学习 长上下文 自监督学习 后训练 对比学习 Transformer 数据合成 工具使用 视觉-语言-动作模型 推理加速 LoRA 多模态推理 工具调用 LLM评估 高效推理 信息检索 评测基准 RAG 计算机视觉 参数高效微调 扩散语言模型 视觉推理 自蒸馏 综述 3D重建 Flow Matching 模型压缩 自回归生成 持续学习 自回归模型
找到 999 条结果
相关性 | 日期

基于潜在动作的自改进世界建模

👍 32

将动作视为潜在变量，通过前向-逆向模型交替优化实现无标注世界建模

Yifu Qiu, Zheng Zhao, Waylon Li, Yftah Ziser, Anna Korhonen, Shay B. Cohen,... 2026-02-09
GRPO 世界模型 强化学习 潜在变量 自改进学习
✅ 已总结
详情 →

InftyThink+：通过强化学习实现高效无限推理

👍 14

用强化学习优化迭代式推理的摘要时机、内容和续接策略，同时提升准确率与效率

Yuchen Yan, Liang Jiang, Jin Jiang, Shuaicheng Li, Zujie Wen, Zhiqiang... 2026-02-09
大语言模型 强化学习 推理效率 迭代推理 长链推理
✅ 已总结
详情 →

揭示多目标对齐中的跨目标干扰现象

👍 6

首次系统研究多目标LLM对齐中的跨目标干扰问题，并提出基于协方差的权重自适应方法CTWA

Yining Lu, Meng Jiang 2026-02-09
LLM对齐 多任务学习 多目标优化 奖励函数 强化学习
✅ 已总结
详情 →