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 数学推理 多模态 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 评测基准 高效推理 自监督学习 工具调用 扩散语言模型 对比学习 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA LLM评估 持续学习 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 1236 条结果
相关性 | 日期

基于推理结构收敛的 RLVR 训练数据检测

👍 2

利用 RLVR 导致的推理结构塌缩特征，通过 Min-kNN 距离黑盒检测训练数据

Hongbo Zhang, Yue Yang, Jianhao Yan, Guangsheng Bao, Yue Zhang 2026-02-13
RLVR 会员推断 强化学习 推理模型 数据污染检测
✅ 已总结
详情 →

PhyCritic：面向物理AI的多模态批评模型

👍 55

提出一个专为物理AI设计的多模态批评模型，通过自我参照的批评微调来提升物理推理和评估能力。

Tianyi Xiong, Shihao Wang, Guilin Liu, Yi Dong, Ming Li, Heng Huang, Jan... 2026-02-12
GRPO 具身智能 多模态批评模型 强化学习 机器人学
✅ 已总结
详情 →