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 125 条结果
相关性 | 日期

LLM 能否在含噪监督下学习鲁棒推理？

👍 38

首次系统分析 RLVR 噪声标签机制，提出在线标签精炼方法 OLR。

Shenzhi Yang, Guangcheng Zhu, Bowen Song, Sharon Li, Haobo Wang, Xing Zheng,... 2026-04-07
GRPO RLVR 噪声标签学习 强化学习 推理大模型
✅ 已总结
详情 →

通过样本路由统一组相对和自蒸馏策略优化

👍 31

SRPO将正确样本路由到GRPO、失败样本路由到SDPO，实现早期效率和长期稳定性的双重优势

Gengsheng Li, Tianyu Yang, Junfeng Fang, Mingyang Song, Mao Zheng, Haiyun... 2026-04-07
RLVR 大语言模型后训练 强化学习 策略优化 自蒸馏
✅ 已总结
详情 →

无监督 RLVR 能将 LLM 训练推多远？

👍 59

揭示内在奖励的分布锐化机制与不可避免的崩溃，提出外部奖励作为可扩展替代路径

Bingxiang He, Yuxin Zuo, Zeyuan Liu, Shangziqi Zhao, Zixuan Fu, Junlin Yang,... 2026-03-10
LLM推理 RLVR 奖励工程 强化学习 无监督学习
✅ 已总结
详情 →

异构智能体协作强化学习

👍 110

异构LLM智能体共享rollout协作训练，仅用一半计算成本平均提升3.6%

Zhixia Zhang, Zixuan Huang, Xin Xia, Deqing Wang, Fuzhen Zhuang, Shuai Ma,... 2026-03-05
RLVR 多智能体强化学习 异构模型协作 推理能力训练 策略优化
✅ 已总结
详情 →

基于推理结构收敛的 RLVR 训练数据检测

👍 2

利用 RLVR 导致的推理结构塌缩特征，通过 Min-kNN 距离黑盒检测训练数据

Hongbo Zhang, Yue Yang, Jianhao Yan, Guangsheng Bao, Yue Zhang 2026-02-13
RLVR 会员推断 强化学习 推理模型 数据污染检测
✅ 已总结
详情 →