跳到正文
热点事件持续更新

Shuaishuai Zu 等提出重叠门控在线策略蒸馏 O²PD

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

针对在线策略蒸馏中教师指导不可靠及 Top-k 支持集丢弃概率质量的问题，Shuaishuai Zu 等人提出了 O²PD 方法。 该方法将蒸馏限制在学生生成轨迹前 20% 的 token 上，并引入 Reset Support 和 Support Convergence 策略。 通过利用重叠门控 α-散度在覆盖与寻模之间自适应插值，O²PD 从理论上解决了教师支持集未覆盖及主导模式不匹配问题，提升了基于前缀的对齐可靠性。

AI 根据报道生成 · 22 小时前更新

最新进展11月6日 13:00
O²PD：基于可靠前缀重叠门控的在线策略蒸馏

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · AI
    O²PD：基于可靠前缀重叠门控的在线策略蒸馏

    针对在线策略蒸馏中教师指导不可靠及top-k支持集丢弃概率质量的问题，提出O²PD方法。 方法将蒸馏限制在学生生成轨迹前20%的token上，并引入Reset Support和Support Convergence策略，利用重叠门控α-散度在覆盖与寻模之间自适应插值。 该方法从理论上解决了教师支持集未覆盖及主导模式不匹配问题，提升了基于前缀的对齐可靠性。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 15:00
近 24 小时变化
–

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。