跳到正文
我的
热点事件观察中

研究者提出O²PD在线策略蒸馏方法

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

研究者 Shuaishuai Zu 提出 Overlap-gated On-Policy Distillation（O²PD）在线策略蒸馏方法，只对学生 rollout 的 20% 前缀 token 做对齐。其定量分析显示，前缀上的教师监督比全上下文更可靠。 该方法针对 top-k OPD 的 Teacher-support Uncovering 与 Dominant-Mode Mismatch 两个问题，设计了 Reset Support 与 Support Convergence 两种支撑策略，并用重叠门控的 α-divergence 在 mode-covering 与 mode-seeking 间插值、按重叠自适应调节 α。

AI 根据报道生成 · 1 天前更新

最新进展11月5日 17:43
O$^2$PD：基于可靠前缀的重叠门控在线策略蒸馏

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · cs.AI
    O$^2$PD：基于可靠前缀的重叠门控在线策略蒸馏

    研究者提出 Overlap-gated On-Policy Distillation（O$^2$PD），仅对学生 rollout 的 20% 前缀 token 做对齐，因为定量分析显示前缀上的教师监督比全上下文更可靠。该方法针对 top-$k$ OPD 的 Teacher-support Uncovering 与 Dominant-Mode Mismatch 两个问题，设计了 Reset Support 与 Support Convergence 两种支撑策略，并用重叠门控的 $\alpha$-divergence 在 mode-covering 与 mode-seeking 间插值、按重叠自适应调节 $\alpha$。

本事件热度走势

可比范围当前
3
可比范围峰值
611月6日 13:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。