有效性校准推理蒸馏框架提出

Khouloud Saadi 和 Di Wang 提出有效性校准推理蒸馏框架。该框架将蒸馏任务从轨迹模仿转化为局部学习信号分配问题。 技术核心在于比较师生模型在同一前缀下的下一步动作局部有效性。通过动态调节蒸馏更新强度，该方法既保留了教师模型的结构引导，又能适应局部推理质量的变化。 在数学、代码及指令跟随等基准测试中，报道称该方法的表现优于强蒸馏基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。