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

视觉语言模型中的上下文视觉个性化

👍 3

提出CoViP框架，通过个性化图像摘要和强化学习实现上下文视觉个性化

Yeongtak Oh, Sangwon Yu, Junsung Park, Han Cheol Moon, Jisoo Mok, Sungroh Yoon 2026-02-04
上下文理解 个性化 多模态学习 强化学习 视觉语言模型
✅ 已总结
详情 →

CoDiQ：基于测试时缩放的可控难度问题生成

👍 8

通过测试时缩放和强化学习训练生成器，实现可控难度的高质量推理问题合成

Zhongyuan Peng, Caijun Xu, Changyi Xiao, Shibo Hong, Eli Zhang, Stephen... 2026-02-03
强化学习 推理能力 数据合成 测试时缩放 课程学习
✅ 已总结
详情 →

OVD：在策略语言蒸馏

👍 6

用离散语言分数替代token级概率匹配，实现内存高效的推理能力蒸馏

Jing Xiong, Hui Shen, Shansan Gong, Yuxin Cheng, Jianghan Shen, Chaofan Tao,... 2026-02-03
Web问答 强化学习 推理 数学推理 知识蒸馏
✅ 已总结
详情 →

ASTRA：智能体轨迹与强化竞技场的自动合成

👍 61

一个完全自动化的端到端框架，通过可扩展的数据合成和可验证的强化学习来训练工具增强的语言智能体。

Xiaoyu Tian, Haotian Wang, Shuaiting Chen, Hao Zhou, Kaichi Yu, Yudian... 2026-02-02
多轮交互 工具增强语言模型 强化学习 数据合成 智能体训练
✅ 已总结
详情 →