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

基于潜在动作的自改进世界建模

👍 32

将动作视为潜在变量，通过前向-逆向模型交替优化实现无标注世界建模

Yifu Qiu, Zheng Zhao, Waylon Li, Yftah Ziser, Anna Korhonen, Shay B. Cohen,... 2026-02-09
GRPO 世界模型 强化学习 潜在变量 自改进学习
✅ 已总结
详情 →

InftyThink+：通过强化学习实现高效无限推理

👍 14

用强化学习优化迭代式推理的摘要时机、内容和续接策略，同时提升准确率与效率

Yuchen Yan, Liang Jiang, Jin Jiang, Shuaicheng Li, Zujie Wen, Zhiqiang... 2026-02-09
大语言模型 强化学习 推理效率 迭代推理 长链推理
✅ 已总结
详情 →

揭示多目标对齐中的跨目标干扰现象

👍 6

首次系统研究多目标LLM对齐中的跨目标干扰问题，并提出基于协方差的权重自适应方法CTWA

Yining Lu, Meng Jiang 2026-02-09
LLM对齐 多任务学习 多目标优化 奖励函数 强化学习
✅ 已总结
详情 →

SEMA：面向多轮越狱攻击的简洁高效学习框架

👍 6

通过预填充自调优和意图漂移感知强化学习，训练无需外部数据的多轮越狱攻击模型

Mingqian Feng, Xiaodong Liu, Weiwei Yang, Jialin Song, Xuekai Zhu, Chenliang... 2026-02-09
LLM安全 多轮对话 强化学习 红队测试 越狱攻击
✅ 已总结
详情 →