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 179 条结果
相关性 | 日期

TACO：面向智能体工具使用的工具增强信用优化

👍 21

通过差分答案探针奖励和结果门控优势路由，精确评估视觉工具调用的贡献并智能控制工具使用

Mingkuan Feng, Jinyang Wu, Hao Gu, Fangrui Lv, Ruihan Jin, Chuyuan Zhang,... 2026-06-30
GRPO 信用分配 多模态智能体 强化学习 视觉工具使用
✅ 已总结
详情 →

Orchestra-o1:全模态智能体编排框架

👍 48

面向全模态任务的多智能体编排框架与决策对齐强化学习方法。

Fan Zhang, Vireo Zhang, Shengju Qian, Haoxuan Li, Hao Wu, Jinyang Wu,... 2026-06-15
GRPO OmniGAIA ReAct 任务分解 全模态智能体
✅ 已总结
详情 →

小模型是 GRPO 策略级多样性的天然探索者

👍 26

用冻结小模型为大模型 GRPO 生成探索性 rollout，渐进切入到自采样的 S2L-PO 框架

Yiming Ren, Yiran Xu, Zicheng Lin, Chufan Shi, Yukang Chen, Dingdong Wang,... 2026-06-15
GRPO 小模型利用 强化学习后训练 探索多样性 推理增强
✅ 已总结
详情 →

MemTrain：自监督的上下文记忆训练

👍 17

自监督双代理任务（端到端重建+中间记忆召回）预训练LLM记忆能力。

Ziheng Li, Xingrun Xing, Haoqing Wang, Zhi-Hong Deng, Yehui Tang 2026-06-04
GRPO 上下文记忆智能体 多跳问答 强化学习 自监督预训练
✅ 已总结
详情 →