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

超越语义的实时对齐奖励模型

👍 15

利用策略模型隐藏状态实时更新奖励模型，解决RLHF中的奖励过度优化问题

Zixuan Huang, Xin Xia, Yuxi Ren, Jianbin Zheng, Xuefeng Xiao, Hongyan Xie,... 2026-02-02
RLHF 奖励模型 奖励过度优化 对齐 强化学习
✅ 已总结
详情 →

SSL：智能体优化中差异化引导的甜点学习

👍 12

通过分层奖励将策略引导至解空间最优区域，实现样本效率提升2.5倍

Jinyang Wu, Changpeng Yang, Yuhao Shen, Fangzhi Xu, Bolin Ni, Chonghua Liao,... 2026-02-02
GUI智能体 可验证奖励RL 奖励塑造 强化学习 智能体训练
✅ 已总结
详情 →

使用过程奖励扩展多智能体系统

👍 8

通过AI反馈的逐动作过程奖励训练多智能体，解决信用分配和样本效率问题

Ed Li, Junyu Ren, Cat Yan 2026-02-02
AI反馈 多智能体系统 大语言模型 强化学习 过程奖励
✅ 已总结
详情 →

RM-RF：面向免运行单元测试评估的奖励模型

👍 7

轻量奖励模型预测单元测试质量，无需编译运行即可评估覆盖率和变异得分

Elena Bruches, Daniil Grebenkin, Mikhail Klementev, Vadim Alperovich, Roman... 2026-02-02
LLM4SE 代码质量评估 单元测试生成 奖励模型 强化学习
✅ 已总结
详情 →

探索面向智能体的推理奖励模型

👍 24

提出多维度推理奖励模型Agent-RRM，通过文本批评和标量奖励的统一集成提升智能体性能

Kaixuan Fan, Kaituo Feng, Manyuan Zhang, Tianshuo Peng, Zhixun Li, Yilei... 2026-01-30
奖励模型 工具使用 强化学习 推理优化 智能体
✅ 已总结
详情 →

基于流的极值数学结构发现

👍 2

FlowBoost：用流匹配+强化学习自动发现极值几何配置

Gergely Bérczi, Baran Hashemi, Jonas Klüver 2026-01-30
强化学习 数学发现 流匹配 生成模型 组合优化
✅ 已总结
详情 →