论文提出流式在线策略蒸馏,解耦生成、监督与更新三时钟
热点事件持续更新
论文提出流式在线策略蒸馏,解耦生成、监督与更新三时钟
1 篇报道1 个报道来源46 分钟前更新
先了解这件事
AI 综述
Da Wang 等人在 arXiv 发布论文,提出流式在线策略蒸馏方法:将响应生成、监督交付与参数更新三个时钟解耦,响应在生成过程中反复交付新增片段,每次交付保留完整因果前缀,且只在新增位置计算损失。 在 GSM8K 实验中,用 VERL 将 Qwen3-4B 蒸馏到 Qwen3-0.6B,监督预算匹配使七个共同候选上最佳测试准确率的早期差距从 4.55 缩小到 2.42 个百分点。作者称新鲜度过滤与分歧重叠选择能改善局部峰值,但未建立持续优势。
AI 根据报道生成 · 21 分钟前更新
最新进展11月18日 13:00
流式在线策略蒸馏:解耦三个时钟实现分阶段监督消费报道时间线
沿着报道,了解事件的不同侧面。
11月18日
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。