arxiv · arXiv · 2026-09-30 14:54 · 评分 80
诊断在线策略自蒸馏（OPSD）在语言模型数学推理中的行为：无需外部奖励或更强教师，自教师利用特权信息提供稠密信号；研究解释了为何结果从适度提升到行为崩溃不一，并给出原因分析。
原文：arXiv ｜ 返回 AI 资讯列表