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 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 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 329 条结果
相关性 | 日期

HPD-Parsing：层级并行文档解析

👍 13

用层级并行解码范式重构文档解析，吞吐量达4752 TPS。

Shu Wei, Jingjing Wu, Lingshu Zhang, Qunyi Xie, Hao Zou, Le Xiang, Xu Fan,... 2026-07-22
vLLM 多token预测 并行解码 推理加速 文档解析
✅ 已总结
详情 →

Rank-Then-Act：基于帧序进度的无奖励控制

👍 6

从专家视频演示中学习进度排名，用Spearman相关系数作为无奖励RL的奖励信号

Yuriy Maksyuta, George Bredis, Ruslan Rakhimov, Daniil Gavrilov 2026-07-08
奖励学习 强化学习 无奖励控制 视觉语言模型 视频演示
✅ 已总结
详情 →

DOPD：双重在线策略蒸馏

👍 114

通过优势感知的动态双蒸馏缓解特权幻觉问题，显著提升LLM和VLM的蒸馏性能

Xinlei Yu, Gen Li, Qingyi Si, Guibin Zhang, Yuqi Xu, Congcong Wang, Shuai... 2026-07-01
在线策略蒸馏 大模型压缩 特权信息 知识蒸馏 视觉语言模型
✅ 已总结
详情 →