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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 191 条结果
相关性 | 日期

基于评分标准的在线策略蒸馏

👍 41

用语义化评分标准替代教师 logits 的黑箱在线蒸馏框架。

Junfeng Fang, Zhepei Hong, Mao Zheng, Mingyang Song, Gengsheng Li, Houcheng... 2026-05-11
GRPO LLM对齐 强化学习 知识蒸馏 评分标准奖励
✅ 已总结
详情 →

面向大语言模型的混合策略蒸馏方法

👍 13

将前向KL与反向KL按token级信号混合，结合off-policy数据与轻量on-policy采样的统一蒸馏框架

Wenhong Zhu, Ruobing Xie, Rui Wang, Pengfei Liu 2026-04-24
代码生成 大语言模型 强化学习 推理 知识蒸馏
✅ 已总结
详情 →

TIP：在策略蒸馏中的 Token 重要性

👍 15

用熵与分歧两轴解释 OPD 中 token 重要性，并提出无参数 Soft-OR 选择规则。

Yuanda Xu, Hejian Sang, Zhengze Zhou, Ran He, Zhipeng Wang, Alborz Geramifard 2026-04-16
LLM 训练 Token 选择 推理模型 知识蒸馏 课程学习
✅ 已总结
详情 →

ECHO：基于一步式块扩散的高效胸部X光报告生成模型

👍 23

通过直接条件蒸馏(DCD)把多步块扩散蒸馏为单步解码，同时用响应非对称扩散(RAD)削减72.3%训练FLOPs，在胸部X光报告生成上实现8倍理论加速和5.1倍实测加速。

Lifeng Chen, Tianqi You, Hao Liu, Zhimin Bao, Jile Jiao, Xiao Han, Zhicai... 2026-04-13
一步式推理 医学影像 扩散语言模型 知识蒸馏 胸部X光报告生成
✅ 已总结
详情 →