arXiv · cs.CL· Qingyuan Zheng·· 2 天前AI 评分40
Shuffled OPSD：语义一致性何时会损害 On-Policy 自蒸馏？
Shuffled OPSD: When Semantic Consistency Hurts On-Policy Self-Distillation?
来源与原文
arXiv · cs.CL
作者：Qingyuan Zheng
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/2611.04958v1
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
arXiv 论文提出 Shuffled OPSD，打乱师生共享题目的词序但保留仅教师可见的完整解答，在 3 个数学推理 benchmark 和 3 个 Qwen3 模型规模上，平均准确率均超过完整目标对照与 Standard OPSD，相对 Standard OPSD 最大提升为 Qwen3-1.7B 上的 3.52 个百分点。进一步对照显示，词级打乱不劣于更大词块的打乱，而打乱教师专属解答则在各规模都降低准确率，说明语义连贯并非 OPSD 的普适增益原则。
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。