arXiv · cs.CL· Bowen Fang·· 1 天前AI 评分30
D²-OPD：在外推式在线策略蒸馏中分离方向与距离
$D^2$-OPD: Separating Direction and Distance in Extrapolative On-Policy Distillation
来源与原文
arXiv · cs.CL
作者：Bowen Fang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07241v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
D²-OPD 将外推式在线策略蒸馏（OPD）中的外推方向与距离解耦：用逐前缀硬 KL 约束限制目标偏离教师模型的距离，并以教师训练后偏移与初始学生-教师差距的自适应组合确定方向，再用前向 KL 优化学生。在数学推理基准的三种设置下均取得最高分，最多领先最强基线 9.45 分，消融实验验证了各组件的贡献。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。