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

TREK：蒸馏以探索、强化以精炼

👍 8

TREK扩展GRPO探索支持，提升数学和Agent性能

Yuanda Xu, Zhengze Zhou, Kayhan Behdin, Jelena Markovic-Voronov, Hejian... 2026-07-08
Agent 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

Rank-Then-Act：基于帧序进度的无奖励控制

👍 7

从专家视频演示中学习进度排名，用Spearman相关系数作为无奖励RL的奖励信号

Yuriy Maksyuta, George Bredis, Ruslan Rakhimov, Daniil Gavrilov 2026-07-08
奖励学习 强化学习 无奖励控制 视觉语言模型 视频演示
✅ 已总结
详情 →

将交错多模态推理统一为单一决策过程

👍 37

BRAID框架将文本-图像交错推理统一为MDP，联合优化文本和图像生成

Zican Hu, Xuyang Hu, Yiming Liu, Zuwei Long, Wei Liu, Yunzhuo Hao, Jiawei... 2026-07-07
TIT-CoT 多模态推理 强化学习 统一多模态模型 视觉思考奖励
✅ 已总结
详情 →

LLM-as-a-Verifier: 通用验证框架

👍 14

通过利用LLM评分token的完整分布实现细粒度反馈的通用验证框架，在多个领域达到SOTA性能

Jacky Kwok, Shulu Li, Pranav Atreya, Yuejiang Liu, Yixing Jiang, Chelsea... 2026-07-07
奖励建模 强化学习 智能体 测试时缩放 验证
✅ 已总结
详情 →

Mastermind：基于策略学习的仓库级漏洞复现方法

👍 8

通过双循环框架学习可复用的漏洞复现策略，显著提升LLM代理在仓库级漏洞复现任务中的表现

Mingzhe Du, Luu Anh Tuan, Tianyi Wu, Renyang Liu, Zhijiang Guo, Dong Huang,... 2026-07-07
强化学习 漏洞复现 策略学习 网络安全 软件工程智能体
✅ 已总结
详情 →

学习触发：大型强子对撞机上的强化学习

👍 5

使用强化学习自适应调整LHC触发阈值，在保持背景率约束的同时提高信号效率

Zixin Ding, Shaghayegh Emami, Giovanna Salvi, Cecilia Tosciri, Abhijith... 2026-07-07
强化学习 流式控制 粒子物理 约束优化 触发控制
✅ 已总结
详情 →

通过分布级奖励优化视觉生成模型

👍 16

提出分布级奖励框架解决样本级RL的reward hacking问题，显著提升生成质量

Ruihang Li, Mengde Xu, Shuyang Gu, Leigang Qu, Fuli Feng, Han Hu, Wenjie Wang 2026-07-03
Flow Matching 分布匹配 强化学习 扩散模型 模型合并
✅ 已总结
详情 →

感知到推理：细粒度视觉推理中感知与推理的解耦

👍 18

提出P2R框架，将细粒度视觉推理解耦为感知定位和推理回答两个阶段，仅需最终答案监督

Hongxing Li, Xiufeng Huang, Dingming Li, Wenjing Jiang, Zixuan Wang, Haolei... 2026-07-02
多模态大模型 强化学习 感知推理解耦 细粒度视觉理解 视觉推理
✅ 已总结
详情 →

Valdi：价值扩散世界模型

👍 15

结合扩散模型与价值函数的在线模型预测控制方法

Christopher Lindenberg, Kashyap Chitta 2026-07-02
世界模型 强化学习 扩散模型 模型预测控制
✅ 已总结
详情 →