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

SAMTok：用两个词表示任意掩码

👍 44

将任意区域掩码压缩为两个离散token，让MLLM像学语言一样学像素级能力

Yikang Zhou, Tao Zhang, Dengxian Gong, Yuanzheng Wu, Ye Tian, Haochen Wang,... 2026-01-23
向量量化 图像分割 多模态大语言模型 强化学习 掩码词元化
✅ 已总结
详情 →

大语言模型时代的自动内核生成综述

👍 19

系统综述LLM和智能体驱动GPU内核自动生成的方法、数据与基准

Yang Yu, Peiyu Zang, Chi Hsu Tsai, Haiming Wu, Yixin Shen, Jialing Zhang,... 2026-01-23
GPU内核 LLM 代码生成 强化学习 智能体
✅ 已总结
详情 →

强化智能体模型中的行为知识合并

👍 27

提出RAM方法解决RL训练智能体模型合并时的信号稀释问题，实现跨任务协同增强

Xiangchi Yuan, Dachuan Shi, Chunhui Zhang, Zheyuan Liu, Shenglong Yao,... 2026-01-22
参数高效 多任务学习 强化学习 智能体 模型合并
✅ 已总结
详情 →

FARE：快慢智能体机器人探索框架

👍 8

结合LLM全局推理与RL局部决策的分层自主探索框架，在仿真和真实环境中显著提升探索效率

Shuhao Liao, Xuxin Lv, Jeric Lew, Shizhe Zhang, Jingsong Liang, Peizhuo Li,... 2026-01-22
分层规划 图推理 大语言模型 强化学习 机器人探索
✅ 已总结
详情 →

Think3D：用空间思考来实现空间推理

👍 47

让VLM通过主动探索3D点云空间进行推理，而非被动接受2D图像

Zaibin Zhang, Yuhan Wu, Lianjie Jia, Yifan Wang, Zhongbo Zhang, Yijiang Li,... 2026-01-21
3D视觉 多模态推理 工具增强 强化学习 空间智能
✅ 已总结
详情 →

你的群组相对优势是有偏的

👍 108

揭示GRPO等群组相对RL算法中优势估计的固有偏差，并提出HA-DW自适应修正方案

Fengkai Yang, Zherui Chen, Xiaohan Wang, Xiaodong Lu, Jiajun Chai, Guojun... 2026-01-19
GRPO LLM推理 优势估计 后训练 强化学习
✅ 已总结
详情 →

推理模型生成思维社会

👍 14

推理模型通过模拟多视角对话实现深度思考，本质是'思维社会'的涌现

Junsol Kim, Shiyang Lai, Nino Scherrer, Blaise Agüera y Arcas, James Evans 2026-01-19
LLM推理 可解释性 多智能体 强化学习 认知科学
✅ 已总结
详情 →