Articles et recherche

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
Lire l'original Lire l'article complet à la source d'origine
Pourquoi c'est important

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.

Article original · Fiche AIHOT

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/

Tout voir →