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 116 条结果
相关性 | 日期

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 →

iGRPO：自我反馈驱动的LLM推理

👍 19

通过两阶段迭代自我反馈机制提升LLM数学推理能力的强化学习算法

Ali Hatamizadeh, Shrimai Prabhumoye, Igor Gitman, Ximing Lu, Seungju Han,... 2026-02-11
GRPO扩展 强化学习 推理优化 数学推理 策略优化
✅ 已总结
详情 →

残差上下文扩散语言模型

👍 36

通过回收被丢弃的中间计算信号，显著提升扩散语言模型的推理准确率

Yuezhou Hu, Harman Singh, Monishwaran Maheswaran, Haocheng Xi, Coleman... 2026-02-05
并行解码 扩散语言模型 数学推理 残差学习 高效推理
✅ 已总结
详情 →

自提示语言模型增强强化学习

👍 31

通过训练时注入自生成提示解决 GRPO 稀疏奖励下的优势崩塌问题

Baohao Liao, Hanze Dong, Xinxing Xu, Christof Monz, Jiang Bian 2026-02-05
GRPO 大语言模型对齐 强化学习 数学推理 策略优化
✅ 已总结
详情 →