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 评测基准 LLM评估 高效推理 信息检索 RAG 计算机视觉 参数高效微调 扩散语言模型 视觉推理 综述 自蒸馏 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

AgentOCR：通过光学自压缩重新构想智能体历史

👍 31

将智能体交互历史渲染为压缩图像，用视觉 token 替代文本 token，节省 50%+ 消耗

Lang Feng, Fuchao Yang, Feng Chen, Xin Cheng, Haiyang Xu, Zhenglin Wan, Ming... 2026-01-12
Token 压缩 多模态智能体 强化学习 智能体记忆 视觉语言模型
✅ 已总结
详情 →

基于迭代信息瓶颈的潜在策略优化：I²B-LPO

👍 3

通过熵驱动潜在分支和信息瓶颈正则化，解决大语言模型推理中的探索崩溃问题

Huilin Deng, Hongchen Luo, Yue Zhu, Long Li, Zhuoyue Chen, Xinghao Zhao,... 2026-01-12
信息瓶颈 大语言模型 强化学习 探索利用平衡 推理优化
✅ 已总结
详情 →

RelayLLM：通过协作解码实现高效推理

👍 31

让小模型主动调用大模型，用1.07%的token成本恢复60%性能差距

Chengsong Huang, Tong Zheng, Langlin Huang, Jinyuan Li, Haolin Liu, Jiaxin Huang 2026-01-09
GRPO token-level路由 强化学习 模型协作 高效推理
✅ 已总结
详情 →

通过交互学习用户偏好以实现长期协作

👍 2

提出多会话协作基准与记忆框架，使对话代理跨会话学习用户偏好并持续提升协作质量。

Shuhaib Mehri, Priyanka Kargupta, Tal August, Dilek Hakkani-Tür 2026-01-09
人机协作 对话系统 强化学习 用户建模 长期记忆
✅ 已总结
详情 →

演化式程序化技能网络

👍 88

提出PSN框架，让智能体通过可执行符号程序持续获取、精炼和重用技能

Haochen Shi, Xingdi Yuan, Bang Liu 2026-01-08
LLM智能体 具身智能 强化学习 持续学习 程序合成
✅ 已总结
详情 →