arXiv · cs.CL· Khouloud Saadi·· 4 天前AI 评分34
MCPD：在策略自蒸馏中降低对参考答案的敏感性
One Teacher, Many Views: Reducing Reference Sensitivity in On-Policy Self-Distillation
来源与原文
arXiv · cs.CL
作者：Khouloud Saadi
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/2610.30880v1
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 Monte Carlo Privileged Distillation（MCPD），针对在策略自蒸馏（OPSD）中单一完整参考答案导致的"参考诱导目标不稳定"问题。MCPD 将特权上下文建模为多个部分参考视图的分布，对多个视图下的教师 next-token 分布取平均，等价于最小化期望 KL 散度。在数学与科学推理 benchmark 上，MCPD 持续优于完整参考条件的 OPSD。
来源：arXiv · cs.CL · arxiv.org