论文与研究

Thinking Machines Lab 提出 On-Policy Distillation 训练方法

原文标题:On-Policy Distillation

AI 摘要

Thinking Machines Lab 发布技术博客,提出 on-policy distillation:从学生模型采样轨迹,由教师模型对每个 token 计算反向 KL 作为密集奖励。

关键信息

  • Thinking Machines Lab 发布技术博客,提出 on-policy distillation:从学生模型采样轨迹
  • 由教师模型对每个 token 计算反向 KL 作为密集奖励
  • 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

速览

发布时间
更新时间
来源
Thinking Machines Lab:官方博客
分类
论文与研究
AI 评分
68
阅读原文 前往信息源阅读完整正文
推荐理由

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。

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Thinking Machines Lab 提出 On-Policy Distillation 训练方法。2025年10月27日。https://new.nat6.net/news/cmq75sy1p0006sl5wfu0bt7hs/

查看全部 →