GRPO=高级版拒绝采样？强化学习祛魅时刻：负样本“去芜存菁”才是关键！ 下午4时 2025/05/20 作者 PaperWeekly PO 这样的算法虽然主流，但它需要额外的网络（critic network），搞得比较复杂和麻烦。
ICLR 2025 阿里等提出LLaVA-MoD，用MoE+蒸馏训练轻量化多模态大模型 下午4时 2025/03/07 作者 PaperWeekly 小模型的网络结构，并提出 Dense-to-Sparse 蒸馏框架，结合两阶段蒸馏策略（模仿蒸馏+偏
WWW 2025 TAMU、UIUC等提出全新因素链框架，用于论文-评审人匹配 下午11时 2025/03/05 作者 PaperWeekly 提交数量的迅速增加，我们越来越依赖有效的论文-评审人匹配模型。此前在这一领域的研究考虑了多种因素来评
