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

KARL：基于强化学习的知识智能体

👍 7

用多任务强化学习训练企业搜索智能体，在多类知识检索任务上超越闭源大模型

Jonathan D. Chang, Andrew Drozdov, Shubham Toshniwal, Owen Oertell,... 2026-03-06
信息检索 多任务学习 强化学习 测试时计算 知识智能体
✅ 已总结
详情 →

V1：统一生成与自验证的并行推理框架

👍 14

通过成对比较和联合训练统一生成与验证，提升并行推理性能

Harman Singh, Xiuyu Li, Kusha Sareen, Monishwaran Maheswaran, Sijun Tan,... 2026-03-05
代码生成 并行推理 强化学习 数学推理 测试时扩展
✅ 已总结
详情 →

下一嵌入预测使世界模型更强大

👍 21

用因果Transformer预测下一时刻嵌入，替代像素重建学习世界模型

George Bredis, Nikita Balagansky, Daniil Gavrilov, Ruslan Rakhimov 2026-03-04
Transformer 世界模型 强化学习 模型基强化学习 表征学习
✅ 已总结
详情 →