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 305 条结果
相关性 | 日期

当教师误导时：伪信号感知的在线策略蒸馏

👍 19

过滤在线蒸馏中既不依赖输入又高影响的虚假教师信号

Yinuo Jiang, Yongjie Ye, Zhou Tao, Xiang Zhuang, Qiang Zhang, Huajun Chen, Tiankai Li 2026-08-06
在线策略蒸馏 大语言模型 梯度信噪比 知识蒸馏 视觉语言模型
✅ 已总结
详情 →

OPD-V：基于模态平衡的视觉在线自蒸馏

👍 9

把模态平衡本身作为在线自蒸馏的特权信息，用正负双教师提升多模态推理

Aniri, Jinhe Bi, Peng Liao, Zengjie Jin, Volker Tresp, Fei Shen, Yunpu Ma,... 2026-08-06
MLLM 后训练 在线自蒸馏 多模态大模型 模态平衡
✅ 已总结
详情 →

SKILL-KD：面向大模型智能体的对比式技能蒸馏

👍 8

对比师生轨迹差异，把行为差距蒸馏成可验证的文本技能，增强冻结的弱学生智能体

Qiming Shi, Yibo Dou, Jiawen Zhu, Yulong Tao, Linbo Jin, Zhaolu Kang, Yunfan... 2026-08-06
LLM智能体 师生对比 技能学习 提示工程 知识蒸馏
✅ 已总结
详情 →

面向在策略蒸馏的稳定优势融合

👍 27

提出SAF四阶段流水线融合GRPO与OPD优势，避免熵坍塌并稳定提升性能。

Yifan Ding, Xincheng Wei, Yoshua Y. Li, Ziheng Li, Yuquan Lu, Siyu Zhang,... 2026-08-03
GRPO RLVR 强化学习 熵坍塌 知识蒸馏
✅ 已总结
详情 →

弱到强同策略蒸馏

👍 20

用弱模型的对数几率差合成代理教师，蒸馏出超越弱教师、逼近自身的强学生。

Fangxu Yu, Zinan Lin, Xiaodong Liu, Weijia Xu, Michael Xu, Tianyi Zhou, Jianfeng Gao 2026-08-03
同策略蒸馏 大语言模型推理 对数几率算术 弱到强学习 强化学习
✅ 已总结
详情 →

Flux-OPD：用演化上下文做在线策略蒸馏

👍 46

通过反向KL分解，把演化上下文作为在线监督信号注入蒸馏目标。

Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang,... 2026-07-31
上下文蒸馏 医学问答 反向KL分解 在线策略蒸馏 大语言模型
✅ 已总结
详情 →