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 1234 条结果
相关性 | 日期

PRISM：揭开中间训练的保留与交互之谜

👍 2

系统性研究LLM中间训练设计选择，揭示其与RL协同提升推理能力的机制

Bharat Runwal, Ashish Agrawal, Anurag Roy, Rameswar Panda 2026-03-19
中间训练 大语言模型训练 强化学习 推理能力 训练流水线
✅ 已总结
详情 →

语言模型的在线经验学习

👍 61

提出OEL框架，让语言模型从部署经验中持续自我改进

Tianzhu Ye, Li Dong, Qingxiu Dong, Xun Wu, Shaohan Huang, Furu Wei 2026-03-18
上下文蒸馏 在线学习 大语言模型 强化学习 持续学习
✅ 已总结
详情 →

边缘设备上的高效推理

👍 22

通过LoRA适配器、动态路由和预算强化学习，在移动设备上实现高效LLM推理。

Yelysei Bondarenko, Thomas Hehn, Rob Hesselink, Romain Lepert, Fabio Valerio... 2026-03-18
LoRA适配器 强化学习 移动端AI 边缘推理 量化
✅ 已总结
详情 →

多模态AI智能体的前瞻性规划

👍 3

两阶段RL框架训练多模态Agent前瞻性规划能力，在7个基准上显著提升长视界任务性能

Yongyuan Liang, Shijie Zhou, Yu Gu, Hao Tan, Gang Wu, Franck Dernoncourt,... 2026-03-18
GUI控制 前瞻性规划 多模态智能体 工具使用 强化学习
✅ 已总结
详情 →

AI可以学会科学品味

👍 316

用大规模社区反馈强化学习训练AI判断和提出高影响力研究想法

Jingqi Tong, Mingzhe Li, Hangcheng Li, Yongzhuo Yang, Yurong Mou, Weijie Ma,... 2026-03-17
GRPO 偏好学习 奖励模型 强化学习 科学智能体
✅ 已总结
详情 →