arXiv · AI· Xiaoshu Chen, Sihang Zhou, Ke Liang, Xinwang Liu·· 2026-10-08AI 评分42
SeOPD:通过自生成思维链在线策略蒸馏实现 LLM 自我进化
SeOPD: Self-Evolving LLMs via Online Policy Distillation from Self-Generated Chain-of-Thought
AI 导读
研究提出 SeOPD 框架,通过在线策略蒸馏让 LLM 在不依赖外部特权信息的情况下提升能力。 该方法利用模型深度思考模式生成的思维链作为内部监督信号,优化非思考模式并增强整体性能。 跨 LLM 和任务的广泛实验验证了该自我进化方法的有效性。
来源:arXiv · AI · arxiv.org