arXiv cs.AI / cs.LG 最新· Tiejin Chen·· 3 天前AI 评分50
ST-OPSD：引导教师改进思考模型的同策略自蒸馏
Steering the Teacher: Improving On-Policy Self-Distillation for Thinking Models
AI 导读
ST-OPSD 通过激活引导解决 on-policy self-distillation 中思考模型的参考幻觉与反思抑制问题：抑制教师引用不可用参考，并鼓励在不确定步骤验证与修改。该方法从模型生成推理轨迹中提取两个方向作用于
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。