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 322 条结果
相关性 | 日期

GRASP：面向智能体 RAG 的粒度感知搜索策略

👍 6

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 →

TACO：面向智能体工具使用的工具增强信用优化

👍 20

通过差分答案探针奖励和结果门控优势路由，精确评估视觉工具调用的贡献并智能控制工具使用

Mingkuan Feng, Jinyang Wu, Hao Gu, Fangrui Lv, Ruihan Jin, Chuyuan Zhang,... 2026-06-30
GRPO 信用分配 多模态智能体 强化学习 视觉工具使用
✅ 已总结
详情 →

Orchestra-o1:全模态智能体编排框架

👍 48

面向全模态任务的多智能体编排框架与决策对齐强化学习方法。

Fan Zhang, Vireo Zhang, Shengju Qian, Haoxuan Li, Hao Wu, Jinyang Wu,... 2026-06-15
GRPO OmniGAIA ReAct 任务分解 全模态智能体
✅ 已总结
详情 →

小模型是 GRPO 策略级多样性的天然探索者

👍 26

用冻结小模型为大模型 GRPO 生成探索性 rollout，渐进切入到自采样的 S2L-PO 框架

Yiming Ren, Yiran Xu, Zicheng Lin, Chufan Shi, Yukang Chen, Dingdong Wang,... 2026-06-15
GRPO 小模型利用 强化学习后训练 探索多样性 推理增强
✅ 已总结
详情 →

MemTrain：自监督的上下文记忆训练

👍 18

自监督双代理任务（端到端重建+中间记忆召回）预训练LLM记忆能力。

Ziheng Li, Xingrun Xing, Haoqing Wang, Zhi-Hong Deng, Yehui Tang 2026-06-04
GRPO 上下文记忆智能体 多跳问答 强化学习 自监督预训练
✅ 已总结
详情 →