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

UI-Venus-1.5：面向真实场景的统一端到端GUI智能体技术报告

👍 120

通过四阶段训练流程（中期训练、离线强化学习、在线强化学习、模型合并）构建统一的GUI智能体，在多个基准测试中达到SOTA

Veuns-Team, Changlong Gao, Zhangxuan Gu, Yulin Liu, Xinyu Qiu, Shuheng Shen,... 2026-02-11
GUI智能体 人机交互自动化 多模态大语言模型 强化学习 模型合并
✅ 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 →