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

SEMA：面向多轮越狱攻击的简洁高效学习框架

👍 6

通过预填充自调优和意图漂移感知强化学习，训练无需外部数据的多轮越狱攻击模型

Mingqian Feng, Xiaodong Liu, Weiwei Yang, Jialin Song, Xuekai Zhu, Chenliang... 2026-02-09
LLM安全 多轮对话 强化学习 红队测试 越狱攻击
✅ 已总结
详情 →

面向语言模型的特权信息蒸馏

👍 28

利用训练时特权信息蒸馏前沿模型，无需Chain-of-Thought

Emiliano Penaloza, Dheeraj Vattikonda, Nicolas Gontier, Alexandre Lacoste,... 2026-02-06
强化学习 智能体 特权信息 知识蒸馏 语言模型
✅ 已总结
详情 →

面向 LLM 智能体的强化世界模型学习

👍 28

用自监督 RL 训练 LLM 成为动作条件的世界模型，提升智能体决策能力

Xiao Yu, Baolin Peng, Ruize Xu, Yelong Shen, Pengcheng He, Suman Nath,... 2026-02-06
GRPO LLM智能体 世界模型 强化学习 自监督学习
✅ 已总结
详情 →

ProAct：交互环境中的智能体前瞻推理

👍 27

通过蒸馏MCTS搜索树和蒙特卡洛评论家，让LLM智能体内化准确的前瞻推理能力

Yangbin Yu, Mingyu Yang, Junyou Li, Yiming Gao, Feiyu Liu, Yijun Yang,... 2026-02-06
大语言模型 强化学习 推理蒸馏 智能体 游戏AI
✅ 已总结
详情 →

LatentMem：为多智能体系统定制潜在记忆

👍 16

提出可学习的潜在记忆框架，通过角色感知的潜变量优化解决多智能体记忆同质化和信息过载问题

Muxin Fu, Guibin Zhang, Xiangyuan Xue, Yafu Li, Zefeng He, Siyuan Huang,... 2026-02-06
多智能体系统 大语言模型 强化学习 潜在表示 记忆机制
✅ 已总结
详情 →

多任务GRPO：跨任务的可靠LLM推理

👍 14

提出MT-GRPO算法，通过自适应任务加权和比例保持采样实现多任务推理的均衡优化

Shyam Sundhar Ramesh, Xiaotong Ji, Matthieu Zimmer, Sangwoong Yoon, Zhiyong... 2026-02-06
后训练 多任务学习 大语言模型 强化学习 推理能力
✅ 已总结
详情 →

统一框架重新审视 GRPO 中的策略散度度量

👍 2

用 KL3 估计器替代 GRPO 中的对称裁剪，实现有理论保证的非对称近信赖域约束

Qingyuan Wu, Yuhui Wang, Simon Sinong Zhan, Yanning Dai, Shilong Deng, Sarra... 2026-02-06
GRPO 信赖域方法 大语言模型 强化学习 策略优化
✅ 已总结
详情 →