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 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 979 条结果
相关性 | 日期

自进化代码智能体

👍 6

系统综述让代码智能体从软件反馈中持续自我进化的方法与分类框架

Hao Zhou, Haichuan Hu, Ye Shang, Quanjun Zhang 2026-08-06
LLM Agent 代码智能体 强化学习 综述 自我进化
✅ 已总结
详情 →

CADENA：逐步式CAD逆向工程

👍 38

逐步执行CAD操作并对比几何反馈，重建可编辑参数化程序

Soslan Kabisov, Gennadiy Savrasov, Maksim Elistratov, Antonio Rodriguez,... 2026-08-04
CAD逆向工程 三维重建 基准评测 强化学习 视觉语言模型
✅ 已总结
详情 →

弱到强同策略蒸馏

👍 55

用弱模型的对数几率差合成代理教师，蒸馏出超越弱教师、逼近自身的强学生。

Fangxu Yu, Zinan Lin, Xiaodong Liu, Weijia Xu, Michael Xu, Tianyi Zhou, Jianfeng Gao 2026-08-03
同策略蒸馏 大语言模型推理 对数几率算术 弱到强学习 强化学习
✅ 已总结
详情 →

面向在策略蒸馏的稳定优势融合

👍 34

提出SAF四阶段流水线融合GRPO与OPD优势，避免熵坍塌并稳定提升性能。

Yifan Ding, Xincheng Wei, Yoshua Y. Li, Ziheng Li, Yuquan Lu, Siyu Zhang,... 2026-08-03
GRPO RLVR 强化学习 熵坍塌 知识蒸馏
✅ 已总结
详情 →

用于多参考图像编辑的评估-验证奖励(EVR)

👍 15

提出EVR奖励：多假设评估+视觉验证，强化学习优化多参考图像编辑。

Yingmao Miao, Pengfei Zhang, Xiaochen Lv, Meng Yu, Lei Sun, Xiangxiang Chu,... 2026-08-03
DiffusionNFT 图像编辑 多参考图像编辑 多模态大语言模型 奖励模型
✅ 已总结
详情 →