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 126 条结果
相关性 | 日期

通过直接在策略蒸馏实现由弱到强的泛化

👍 103

Direct-OPD：用小模型RL的策略位移当隐式奖励，低成本提升更强的学生模型

Shiyuan Feng, Huan-ang Gao, Haohan Chi, Hanlin Wu, Zhilong Zhang, Zheng... 2026-07-14
后训练 弱到强泛化 强化学习RLVR 知识蒸馏 策略蒸馏
✅ 已总结
详情 →

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 →

TESSERA v2：扩展像素级地球基础模型

👍 2

395次实验揭示地球观测模型缩放规律，蒸馏出高效嵌入产品

Zhengpeng Feng, Sadiq Jaffer, Ira Shokar, Jovana Knezevic, Mark Elvers,... 2026-07-09
MATRYOSHKA嵌入 地球观测 知识蒸馏 缩放定律 自监督学习
✅ 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 →

DuoMem：基于双空间蒸馏的端侧记忆智能体

👍 10

通过上下文空间和参数空间双重蒸馏，将大模型的过程式记忆能力迁移到小模型，实现边缘设备部署

Peyman Hosseini, Ondrej Bohdal, Ahmed Alajrami, Andrea Maracani, Ignacio... 2026-07-03
LoRA 智能体 知识蒸馏 边缘计算 过程式记忆
✅ 已总结
详情 →

DOPD：双重在线策略蒸馏

👍 104

通过优势感知的动态双蒸馏缓解特权幻觉问题，显著提升LLM和VLM的蒸馏性能

Xinlei Yu, Gen Li, Qingyi Si, Guibin Zhang, Yuqi Xu, Congcong Wang, Shuai... 2026-07-01
在线策略蒸馏 大模型压缩 特权信息 知识蒸馏 视觉语言模型
✅ 已总结
详情 →

DanceOPD：在线策略生成场蒸馏

👍 81

通过硬路由和单查询场匹配，实现多能力图像生成模型的统一蒸馏

Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng... 2026-06-26
Flow Matching 图像生成 图像编辑 多能力组合 知识蒸馏
✅ 已总结
详情 →