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

面向通用LLM推理的基于似然的奖励设计

👍 9

对数概率奖励在可验证和不可验证领域均为CoT训练提供统一信号

Ariel Kwiatkowski, Natasha Butt, Ismail Labiad, Julia Kempe, Yann Ollivier 2026-02-05
大语言模型 奖励设计 强化学习 推理优化 链式思维
✅ 已总结
详情 →

SWE-World：在无Docker环境中构建软件工程智能体

👍 38

用LLM学习的环境模拟器替代Docker容器，实现无物理执行的软件工程智能体训练与推理

Shuang Sun, Huatong Song, Lisheng Huang, Jinhao Jiang, Ran Le, Zhihao Lv,... 2026-02-04
Docker-free 强化学习 测试时缩放 环境模拟 软件工程智能体
✅ 已总结
详情 →

面向视觉生成的统一个性化奖励模型

👍 20

提出 UnifiedReward-Flex，通过上下文自适应层次化推理动态构建个性化奖励模型。

Yibin Wang, Yuhang Zang, Feng Han, Jiazi Bu, Yujie Zhou, Cheng Jin, Jiaqi Wang 2026-02-04
偏好优化 多模态 奖励模型 强化学习 视觉生成
✅ 已总结
详情 →

WideSeek：通过多智能体扩展推进广域研究

👍 17

提出广域研究范式，用动态多智能体架构和端到端RL解决大规模并行信息检索任务

Ziyang Huang, Haolin Ren, Xiaowei Yuan, Jiawei Wang, Zhongtao Jiang, Kun Xu,... 2026-02-04
Agent优化 信息检索 多智能体系统 强化学习 知识图谱
✅ 已总结
详情 →