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 1234 条结果
相关性 | 日期

重新审视在线策略蒸馏中的相对策略差异迁移

👍 5

把专家与参考模型的策略差异当作隐式奖励做任意到任意的蒸馏，并系统刻画何时可迁移

Rong Wu, Daocheng Fu, Yu Yang, Xuemeng Yang, Siqi Li, Shu Zou, Yao Zhu,... 2026-10-12
在线策略蒸馏 大模型后训练 强化学习 相对策略差异迁移 隐式奖励
✅ 已总结
详情 →

面向多智能体系统的心理模型框架

👍 5

让智能体学习摊销式递归心理理论隐状态并耦合奖励模型，训练出可独立部署的伙伴建模策略

Hanan Gani, Lulu Shao, Manmohan Chandraker 2026-10-12
LLM智能体 多智能体系统 奖励模型 强化学习 心智理论
✅ 已总结
详情 →

VibeEdit：基于画布指令的图像编辑

👍 16

在图上圈选、涂鸦、拖箭头并写简短注释即可精准局部编辑，无需文本提示词

Jinjing Zhao, Fangyun Wei, Yitong Wang, Xiuyu Wu, Yunuo Chen, Yang Yue,... 2026-10-09
交互式界面 图像编辑 强化学习 扩散模型 画布指令
✅ 已总结
详情 →

从提示到组合：面向海报生成的空间画布界面

👍 9

用空间画布加四种绑定取代纯文本提示，让海报构图意图可直接在二维空间中组合表达。

Yitong Wang, Fangyun Wei, Jinjing Zhao, Sirui Zhang, Hongyang Zhang, Dong... 2026-10-09
可控图像生成 合成数据 图像编辑 强化学习 扩散模型
✅ 已总结
详情 →

质疑问题：维持推理模型的自进化

👍 48

给自生成问题加上有效性与新颖性双重质检，让推理模型自进化十轮持续涨点

Jinyuan Li, Chengsong Huang, Langlin Huang, Donghong Cai, Shiping Gao, Yuyi... 2026-10-08
强化学习 数学推理 数据质量 自我博弈 自进化
✅ 已总结
详情 →

在线蒸馏中的增益与坍塌：一个强化学习视角

👍 29

教师即隐式奖励模型：在线蒸馏只放大既有能力，偏好偏置导致奖励黑客式坍塌。

Han Cui, Jianhao Yan, Yun Luo, Hongbo Zhang, Zhizhang Fu, Yue Zhang 2026-10-08
在线策略蒸馏 大语言模型后训练 奖励黑客 强化学习 知识蒸馏
✅ 已总结
详情 →

基于标量伴随匹配的Q学习

👍 25

用闭式标量伴随免去逐步VJP，微调流策略做离线RL，OGBench最难域提升18-35点

Yonghoon Dong, Minsung Yoon, Jaehyuk Kim, Jungwoo Park, Changyeon Kim, Jinwoo Shin 2026-10-08
强化学习 机器人学习 流模型 离线RL
✅ 已总结
详情 →

半事实信用增强策略优化

👍 14

用半事实扰动下的token概率稳定性修正GRPO优势，实现细粒度信用分配，提升推理与鲁棒性

Junshu Pan, Zhizhang Fu, Shulin Huang, Yiran Ding, Zifan Cheng, Wenqi Shao,... 2026-10-08
LLM推理 RLVR 信用分配 强化学习 鲁棒性
✅ 已总结
详情 →