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 507 条结果
相关性 | 日期

ESPO: 提前停止近端策略优化

👍 17

ESPO通过提前终止失败轨迹节省20%+token并提升LLM推理性能

Zihang Li, Rui Zhou, Yingcheng Shi, Wenhan Yu, Zhewen Tan, Zixiang Liu,... 2026-06-02
大语言模型 强化学习 数学推理 策略优化 训练效率
✅ 已总结
详情 →

SCOPE：开放式任务中通过协同进化策略的自我对弈方法

👍 24

首个将数据无关的自我对弈扩展到开放式任务的框架，通过文档锚定的标准分解实现自我评估和持续自我改进

Wai-Chung Kwan, Aryo Pradipta Gema, Joshua Ong Jun Leang, Pasquale Minervini 2026-06-01
大语言模型 开放式任务 强化学习 检索增强生成 自我对弈
✅ 已总结
详情 →

MAAT：多阶段适配器感知的目标遗忘

👍 3

首个能同时有效遗忘和保留因果知识的三阶段 LoRA 遗忘框架

Suryash Yagnik, Shubham Gaur, Saksham Thakur, Vinija Jain, Aman Chadha, Amitava Das 2026-06-01
LoRA 适配器 因果推理 大语言模型 机器遗忘 知识编辑
✅ 已总结
详情 →

LoRA如何记忆？大语言模型微调的参数化记忆定律

👍 39

揭示了LoRA参数化记忆遵循幂律容量定律，p>0.5为确定性回忆阈值，提出MemFT优化方法提升记忆效率

Ziwen Xu, Haiwen Hong, Linsong Yu, Benglei Cui, Longtao Huang, Hui Xue, Ningyu Zhang 2026-05-29
LoRA微调 参数化记忆 大语言模型 相变分析 记忆容量
✅ 已总结
详情 →

基于双向进化搜索的自改进语言模型

👍 62

提出双向进化搜索框架，通过进化算子和目标分解突破现有搜索方法的限制，在自改进和推理中显著提升性能。

Guowei Xu, Zhenting Qi, Huangyuan Su, Weirui Ye, Himabindu Lakkaraju, Sham... 2026-05-28
双向搜索 大语言模型 搜索算法 自改进 进化计算
✅ 已总结
详情 →

长存平衡：信息瓶颈驱动的基于树策略优化

👍 17

用信息瓶颈理论量化探索-利用平衡，通过IBTree提升在线强化学习效率和稳定性。

Hao Jiang, Shurui Li, Tianpeng Bu, Bowen Xu, Xin Liu, Qihua Chen, Hongtao... 2026-05-28
信息瓶颈 在线强化学习 大语言模型 数学推理 树搜索
✅ 已总结
详情 →

少即是多：在线策略蒸馏的早停展开

👍 11

限制蒸馏 rollout 到前 N 个 token，解决 OPD 的离策略教师衰减问题

Zhou Ziheng, Jiaqi Li, Huacong Tang, Ying Nian Wu, Demetri Terzopoulos 2026-05-28
在线策略蒸馏 大语言模型 模型压缩 知识蒸馏
✅ 已总结
详情 →