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

ASTRA：智能体轨迹与强化竞技场的自动合成

👍 61

一个完全自动化的端到端框架，通过可扩展的数据合成和可验证的强化学习来训练工具增强的语言智能体。

Xiaoyu Tian, Haotian Wang, Shuaiting Chen, Hao Zhou, Kaichi Yu, Yudian... 2026-02-02
多轮交互 工具增强语言模型 强化学习 数据合成 智能体训练
✅ 已总结
详情 →

超越语义的实时对齐奖励模型

👍 15

利用策略模型隐藏状态实时更新奖励模型，解决RLHF中的奖励过度优化问题

Zixuan Huang, Xin Xia, Yuxi Ren, Jianbin Zheng, Xuefeng Xiao, Hongyan Xie,... 2026-02-02
RLHF 奖励模型 奖励过度优化 对齐 强化学习
✅ 已总结
详情 →

SSL：智能体优化中差异化引导的甜点学习

👍 12

通过分层奖励将策略引导至解空间最优区域，实现样本效率提升2.5倍

Jinyang Wu, Changpeng Yang, Yuhao Shen, Fangzhi Xu, Bolin Ni, Chonghua Liao,... 2026-02-02
GUI智能体 可验证奖励RL 奖励塑造 强化学习 智能体训练
✅ 已总结
详情 →

RM-RF：面向免运行单元测试评估的奖励模型

👍 9

轻量奖励模型预测单元测试质量，无需编译运行即可评估覆盖率和变异得分

Elena Bruches, Daniil Grebenkin, Mikhail Klementev, Vadim Alperovich, Roman... 2026-02-02
LLM4SE 代码质量评估 单元测试生成 奖励模型 强化学习
✅ 已总结
详情 →

使用过程奖励扩展多智能体系统

👍 8

通过AI反馈的逐动作过程奖励训练多智能体，解决信用分配和样本效率问题

Ed Li, Junyu Ren, Cat Yan 2026-02-02
AI反馈 多智能体系统 大语言模型 强化学习 过程奖励
✅ 已总结
详情 →

探索面向智能体的推理奖励模型

👍 24

提出多维度推理奖励模型Agent-RRM，通过文本批评和标量奖励的统一集成提升智能体性能

Kaixuan Fan, Kaituo Feng, Manyuan Zhang, Tianshuo Peng, Zhixun Li, Yilei... 2026-01-30
奖励模型 工具使用 强化学习 推理优化 智能体
✅ 已总结
详情 →

基于流的极值数学结构发现

👍 2

FlowBoost：用流匹配+强化学习自动发现极值几何配置

Gergely Bérczi, Baran Hashemi, Jonas Klüver 2026-01-30
强化学习 数学发现 流匹配 生成模型 组合优化
✅ 已总结
详情 →