重新洗牌的 OPSD:语义一致性何时会损害按策略自我蒸馏?
原文:Shuffled OPSD: When Semantic Consistency Hurts On-Policy Self-Distillation?
知识蒸馏通过老师的监督提高学生模型的推理能力。在策略自蒸馏(OPSD)在不同的环境下使用与教师和学生相同的模型:学生仅根据问题生成推理轨迹,而教师另外收到一个完整的工作示例,并沿着这些推理提供令牌级监督
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。