AI 大模型

语言大模型 / LLM

大语言模型、预训练、指令微调、后训练和语言模型应用。

2026-02-16 至 2026-02-16 共收录 3 篇信号源：cs.CL, cs.AI, cs.LG

1. 后训练与偏好优化 3 篇

2602.13035 2026-02-16 cs.LG cs.AI cs.CL 87%

Look Inward to Explore Outward: Learning Temperature Policy from LLM Internal States via Hierarchical RL

向内看，向外探：通过分层强化学习从LLM内部状态学习温度策略

Yixiao Zhou, Yang Li, Dongzhou Cheng, Hehe Fan, Yu Cheng

机构 * Zhejiang University（浙江大学）； Southeast University（东南大学）； The Chinese University of Hong Kong（香港中文大学）； Shanghai Innovation Institute（上海创新研究院）

专题命中后训练与偏好优化：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 Introspective LLM通过分层强化学习从LLM内部状态学习温度策略，提升数学推理任务中的探索效率与可解释性。

2602.13055 2026-02-16 cs.CV cs.AI cs.LG 84%

Curriculum-DPO++: Direct Preference Optimization via Data and Model Curricula for Text-to-Image Generation

Curriculum-DPO++: 通过数据和模型课程直接优化偏好用于文本到图像生成

Florinel-Alin Croitoru, Vlad Hondru, Radu Tudor Ionescu, Nicu Sebe, Mubarak Shah

机构 * Department of Computer Science, University of Bucharest（布加勒斯特大学计算机科学系）； University of Trento（特伦托大学）； Center for Research in Computer Vision (CRCV), University of Central Florida（中央佛罗里达大学计算机视觉研究中心）

专题命中后训练与偏好优化：preference optimization(title,abstract)；RLHF(abstract)；分类 cs.AI、cs.LG

AI总结 Curriculum-DPO++通过数据和模型课程增强直接偏好优化，提升文本到图像生成的性能。

Comments arXiv admin note: substantial text overlap with arXiv:2405.13637

2602.04884 2026-02-16 cs.CL cs.CV cs.LG 79%

Reinforced Attention Learning

强化注意力学习

Bangzheng Li, Jianmo Ni, Chen Qu, Ian Miao, Liu Yang, Xingyu Fu, Muhao Chen, Derek Zhiyuan Cheng

机构 * UC Davis（加州大学戴维斯分校）； Google（谷歌）； DeepMind（深Mind）； Google DeepMind（谷歌DeepMind）； Princeton University（普林斯顿大学）

专题命中后训练与偏好优化：large language model(abstract)；language model(abstract)；post-training(abstract)；分类 cs.CL、cs.LG

AI总结强化注意力学习通过优化内部注意力分布提升多模态模型的感知能力，实验显示其在多模态后期训练中优于现有方法。