ホットトピック継続更新中
研究团队提出在线蒸馏算法D²-OPD
1 件の報道1 件の報道元12 時間前 更新
まずこの件を把握する
AI 概要
2026年11月6日，研究团队在arXiv发布成果，提出名为D²-OPD的在线蒸馏算法。该方法在外推式同策略蒸馏中解耦了外推方向与距离，通过每前缀硬KL约束限制目标模型与教师模型之间的距离。此外，算法能够自适应确定外推方向，并采用前向KL为低概率token提供学习信号。测试结果显示，在数学推理基准的全部三种设置中，D²-OPD均取得最高分，相较最强基线最高提升9.45分。
AI が報道をもとに生成 · 12 時間前 更新
最新の進展11月6日 13:00
研究团队提出D²-OPD算法，在数学推理基准中相比最强基线最高提升9.45分。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月6日
- arXiv 机器学习$D^2$-OPD：在外推式同策略蒸馏中解耦方向与距离
研究团队提出 $D^2$-OPD，在外推式同策略蒸馏中解耦外推方向与距离，通过每前缀硬 KL 约束限制目标与教师模型的距离。该方法自适应确定外推方向，并采用前向 KL 为低概率 token 提供学习信号。在数学推理基准的全部三种设置中，$D^2$-OPD 均取得最高分，相比最强基线最高提升 9.45 分。
このストーリーのホット度の推移
現在のホット度 7·比較可能範囲のピーク 10（11月6日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。