研究评估OPSD中特权信息配置有效性

1. 12:00
   arXiv · ML

   预测 On-Policy 自蒸馏中特权信息的有效性

   针对 On-Policy 自蒸馏（OPSD）训练，研究系统评估了 16 种特权信息（PI）配置在 3 个多轮智能体基准和 3 个不同规模学生模型上的效果。 研究发现，信息密集型轨迹和由更强生成器产生的 PI 通常带来更大收益，而思维模型受益一致性较低。

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。