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 后训练 RLVR 视频理解 机器人学习 多模态 长上下文 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 评测基准 高效推理 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 Transformer 参数高效微调 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 综述 信息检索 模仿学习 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 74 条结果
相关性 | 日期

DR Pixel：基于视觉语言模型的页面原生深度研究

👍 6

直接在渲染页面图像上检索与推理，无需OCR，反事实信用重加权让27B开源模型追平GPT-5.4

Tiansheng Hu, Yichuan Wang, James V. Talwar, Nicholas Tomlin, Chen Zhao, Sewon Min 2026-11-03
Agentic搜索 信用分配 基准构建 多模态检索 深度研究
✅ 已总结
详情 →

面向长程 LLM 智能体的多尺度策略优化

👍 22

以轮次为宏观动作，同时做轮次级信用传播与 token 级优势细分的智能体 RL 方法

Tao Ren, Hui Yang, Jia Deng, Tingyang Chen, Qiyao Wang, Shuo Tang, Ziyang... 2026-10-28
GAE LLM智能体 信用分配 强化学习 策略优化
✅ 已总结
详情 →

自评估递归智能体

👍 12

训练递归智能体自己写评分量规，让学会评估反过来提升分解与解题能力

TianYi Lyu, Xiaozhe Li, Yang Li, Yongkang Chen, Kefei Tian, Junbo Niu, Zican... 2026-10-20
Rubric奖励 信用分配 强化学习 测试时扩展 自我评估
✅ 已总结
详情 →

面向长程智能体强化学习的树感知后验自蒸馏

👍 43

用前缀分支树把稀疏终局奖励蒸馏为有界后验教师，免Critic稳定长程智能体RL训练

Heming Zou, Qi Wang, Yixiu Mao, Yun Qu, Yuyi Guo, Zeyuan Liu, Chenglin Li,... 2026-10-19
RLVR 信用分配 大语言模型智能体 强化学习 策略蒸馏
✅ 已总结
详情 →

DiscoveryRSI：递归学习发现有价值的科研假设

👍 19

把假设研发过程变成递归自我改进循环，假设质量从4.86升至5.39

Jianyuan Zhong, Chenwei Wu, Zhaochen Yu, Xixian Jiang, Xuewei Li, Hao Xiao,... 2026-10-19
信用分配 假设生成 基准评测 多智能体进化搜索 科研智能体
✅ 已总结
详情 →

TPPO：面向语言模型推理的追踪价值 PPO

👍 79

用 log-odds 累积参数化重构 PPO 评论家，显式建模价值演化，推理提升 7-10 分

Futing Wang, Chenxi Li, Jianhao Yan, Yun Luo, Zhi Wang, Yizhuo Li, Runzhe... 2026-10-14
LLM推理 PPO 价值函数 信用分配 强化学习
✅ 已总结
详情 →

半事实信用增强策略优化

👍 14

用半事实扰动下的token概率稳定性修正GRPO优势，实现细粒度信用分配，提升推理与鲁棒性

Junshu Pan, Zhizhang Fu, Shulin Huang, Yiran Ding, Zifan Cheng, Wenqi Shao,... 2026-10-08
LLM推理 RLVR 信用分配 强化学习 鲁棒性
✅ 已总结
详情 →

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 →