热点事件持续更新
研究者提出DIAL-OPD同策略蒸馏token选择方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月9日，arXiv发布的研究提出了一种面向同策略知识蒸馏（OPD）的token选择方法DIAL-OPD。该方法通过教师与学生概率的对数平均值加权奖励幅度，从而过滤掉低价值token。在7个数学推理基准测试中，DIAL-OPD仅保留40%的token即可超越全量token基线，平均准确率最高提升5.25个百分点，并将AIME25 Pass@16从13.33%提升至26.67%。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 12:00
研究者提出DIAL-OPD方法，仅保留40% token即可超越全量基线并显著提升推理表现。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理DIAL-OPD：在同策略知识蒸馏中用更少 Token 实现更优学习
DIAL-OPD 提出了一种面向同策略知识蒸馏（OPD）的 token 选择方法，通过教师与学生概率的对数平均值加权奖励幅度来过滤低价值 token。在 7 个数学推理基准测试中，该方法仅保留 40% 的 token 即可超越全量 token 基线，平均准确率最高提升 5.25 个百分点，并将 AIME25 Pass@16 从 13.33% 提升至 26.67%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。