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

最小见证强化学习

👍 8

把强化学习从找单个解扩展到从验证器位恢复全部最小充分解的关系型信用分配方法

T. Y. Tsui, Zihao Ye, Pengxiang Cai, Yanchao Li, Yuqiang Li, Zhehong Ai 2026-10-08
信用分配 可验证奖励RLVR 强化学习 机制可解释性 科学发现
✅ 已总结
详情 →

SHERPA：教会大语言模型自适应地教学

👍 10

用多轮强化学习让教师模型适应不同学习偏好的模拟学生，直接最大化学习成效

Weixian Xu, Yanzhe Zhang, Zora Zhiruo Wang, Changyu Chen, Diyi Yang 2026-10-07
多轮对话 大语言模型 强化学习 教育AI 数学辅导
✅ 已总结
详情 →

MEND：基于近端速度匹配的流模型强化学习

👍 2

逐样本验证奖励收益是否值得位移代价，100次更新超越数千次更新的RL基线

Shreshth Saini, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik 2026-10-07
奖励后训练 强化学习 文本到图像 流匹配 近端算法
✅ 已总结
详情 →

LoGRA：用低秩梯度草图扩展LLM强化学习

👍 34

低秩梯度草图+预测KL步长控制，RL训练内存省45.7%，27B单机8卡稳定训练

Shaokun Zhang, Yifan Zhang, Jian Hu, Yueying Li, Hao Zhang, Binfeng Xu, Jan... 2026-10-06
低秩近似 内存优化 大语言模型 强化学习 训练效率
✅ 已总结
详情 →

OmniReasoning：突破音视频联合推理的极限

👍 26

构建真正需要音视频协同的基准、11.2万条证据接地数据与模态分解自蒸馏训练方法，提升全模态联合推理

Junming Lin, Yuxuan Wang, Zhenxin Lei, Yuxin Liu, Ruixun Liu, Yinsong Yan,... 2026-10-06
基准评测 多模态大模型 强化学习 数据引擎 自蒸馏
✅ 已总结
详情 →

基础模型可借训练数据中的线索触发推理

👍 12

仅固定开头两个token，基础模型推理性能即可追平RL版本

Sophie L. Wang, Amil Dravid, Rulin Shao, Kevin Farhat, Sewon Min, Alexei A. Efros 2026-10-06
大语言模型 强化学习 推理能力 模型安全 训练数据分析
✅ 已总结
详情 →