训练与推理对齐 LLM-DailyDigest 2026-09-13 2026-09-13 约 100 字 预计阅读 1 分钟 训练与推理对齐 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 具身基础模型 1 GigaBrain-0.7:三系统架构扩展具身基础模型 08-27 在策略蒸馏 2 ReCal:面向在策略蒸馏恢复的结构化剪枝校准 10-10 何时需要在策略蒸馏?离线学生轨迹往往更优 10-10 强化学习 1 Score Centering 稳定离策略强化学习 09-18 技能协同演化 1 FlowEvo:工作流与可执行技能协同进化的智能体 08-22 模型路由 1 Router Drift Control:缓解 MoE 强化学习的离策略退化 10-18 训练-推理对齐 1 LEGO-RL:面向编程智能体原生 Harness 的强化学习框架 08-19