arXiv · NLP· Khouloud Saadi, Di Wang·· 4 小时前AI 评分33
MCPD：通过蒙特卡洛特权蒸馏降低自蒸馏对参考解的敏感度
One Teacher, Many Views: Reducing Reference Sensitivity in On-Policy Self-Distillation
AI 导读
论文提出蒙特卡洛特权蒸馏（MCPD），通过平均多个部分参考视图下的教师分布，解决策略内自蒸馏中因单一参考解导致的目标不稳定性。 该方法将特权上下文建模为部分参考视图分布，推导出的概率空间平均是最小化期望教师-学生 KL 散度的精确目标。 在数学和科学推理基准测试中，MCPD 产生了更一致的监督信号，并持续优于全参考自蒸馏方法。
来源：arXiv · NLP · arxiv.org