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 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 自监督学习 工具使用 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 RAG 参数高效微调 LoRA 视觉-语言-动作模型 Flow Matching 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 829 条结果
相关性 | 日期

信任区域策略蒸馏

👍 23

通过动态构造近端教师解决OPD优化不稳定性，零计算开销实现数学推理性能大幅提升

Zhengpeng Xie, Li Lyna Zhang, Zeke Xie, Mao Yang 2026-07-13
信任区域方法 大语言模型 强化学习 数学推理 知识蒸馏
✅ 已总结
详情 →

自动设计具身智能体架构

👍 12

提出AGENTCANVAS和KDLOOP系统化评估 embodied agents 的架构搜索效果

Jian Zhou, Sihao Lin, Jin Li, Shuai Fu, Gengze Zhou, Qi Wu 2026-07-09
Agent Architecture Search Embodied Agents LLM Agents 强化学习 视觉语言导航
✅ 已总结
详情 →

MentalThink：在心理SVG世界中塑造思维

👍 13

让多模态大模型通过生成SVG代码进行可视化推理，提升空间理解能力

Kangheng Lin, Jisheng Yin, Dingming Li, En Yu, Yana Wei, Han Zhou, Liang... 2026-07-08
SVG可视化 多模态推理 强化学习 思维链 空间理解
✅ 已总结
详情 →

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 →