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 979 条结果
相关性 | 日期

揭秘在线策略蒸馏：角色、病理与调控

👍 20

系统揭示OPD的探索催化本质，诊断信号失真病理，用零开销信号调控修复训练不稳定

Rui Wang, Hongru Wang, Yi Chen, Boyang Xue, Tianqing Fang, Wenhao Yu, Kam-Fai Wong 2026-07-17
在线策略蒸馏 大模型后训练 强化学习 知识蒸馏 训练动力学
✅ 已总结
详情 →

GRASP：面向智能体 RAG 的粒度感知搜索策略

👍 8

用强化学习训练智能体 RAG 协调语义检索、关键词检索与段落读取三类工具。

Varun Gandhi, Jaewook Lee, Shantanu Todmal, Franck Dernoncourt, Ryan Rossi,... 2026-07-17
Agentic RAG GRPO 上下文粒度 多跳问答 强化学习
✅ 已总结
详情 →

OvisOCR2 技术报告：0.8B 端到端文档解析模型

👍 54

0.8B端到端文档解析模型，靠数据引擎+多组件RL奖励+策略蒸馏刷新多项OCR榜单

Shiyin Lu, Yinglun Li, Yu Xia, Yuhui Chen, An-Yang Ji, Jun-Peng Jiang,... 2026-07-16
OCR 多模态大模型 强化学习 文档解析 知识蒸馏
✅ 已总结
详情 →

现代智能体系统中的自我改进：综述

👍 29

把自我改进智能体形式化为参数更新与脚手架更新两条路径，统一梳理历史、分类、应用与评估。

Zhe Ren, Yimeng Chen, Dandan Guo, Guowei Rong, Tonghui Li, R. B. Xiong,... 2026-07-16
基础模型 工具使用 强化学习 提示优化 智能体
✅ 已总结
详情 →

MuScriptor：一个开放的多乐器音乐转录模型

👍 20

开放权重多乐器音乐转录模型，结合合成数据预训练、真实数据微调与强化学习后训练

Simon Rouard, Michael Krause, Axel Roebel, Carl-Johann Simon-Gabriel,... 2026-07-15
Transformer 多乐器建模 开放权重模型 强化学习 自动音乐转录
✅ 已总结
详情 →

信任区域策略蒸馏

👍 32

通过动态构造近端教师解决OPD优化不稳定性，零计算开销实现数学推理性能大幅提升

Zhengpeng Xie, Li Lyna Zhang, Zeke Xie, Mao Yang 2026-07-13
信任区域方法 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

自动设计具身智能体架构

👍 12

提出AGENTCANVAS和KDLOOP系统化评估 embodied agents 的架构搜索效果

Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou, Qi Wu 2026-07-09
Agent Architecture Search Embodied Agents LLM Agents 强化学习 视觉语言导航
✅ 已总结
详情 →

MentalThink：在心理SVG世界中塑造思维

👍 13

让多模态大模型通过生成SVG代码进行可视化推理，提升空间理解能力

Kangheng Lin, Jisheng Yin, Dingming Li, En Yu, Yana Wei, Han Zhou, Liang... 2026-07-08
SVG可视化 多模态推理 强化学习 思维链 空间理解
✅ 已总结
详情 →