Thinking Machines Lab propose la méthode d'entraînement On-Policy Distillation
Titre original:On-Policy Distillation
Résumé IA
Thinking Machines Lab publie un article technique proposant l'on-policy distillation : des trajectoires sont échantillonnées à partir du modèle étudiant, et le modèle enseignant calcule pour chaque token une KL inverse servant de récompense dense.
En bref
- Publié
- Mis à jour
- Source
- Thinking Machines Lab:官方博客
- Catégorie
- Articles et recherche
- Score IA
- 68
原文给出反向 KL 损失、成本对比和可复现实验,读者可以据此评估用稀疏 RL 换成密集蒸馏监督的落地空间。
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Thinking Machines Lab propose la méthode d'entraînement On-Policy Distillation. 27. octobre 2025. https://new.nat6.net/fr/news/cmq75sy1p0006sl5wfu0bt7hs/