热点事件持续更新
研究者提出ReCal方法优化剪枝推理模型的在线蒸馏恢复
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究人员在 arXiv 发布研究，提出了一种即插即用的结构化剪枝校准方法 RECAL，用于在剪枝前调整校准统计，从而增强推理大语言模型在后续在线策略蒸馏（OPD）中的恢复效果。该方法通过计算教师模型与剪枝探针之间的前向 KL 散度来识别受损预测，并重新加权校准数据，引导剪枝准则优先保留关键能力。实验结果显示，RECAL 在 AIME 数学推理评测中最高带来了 16.7 个百分点的性能提升，并在多数代码生成基准测试中实现了表现改进。
AI 根据报道生成 · 6 小时前更新
最新进展10月9日 12:00
研究者提出ReCal方法，通过调整剪枝校准统计提升模型蒸馏恢复效果，AIME评测最高提升16.7个百分点。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ReCal：面向在线策略蒸馏恢复的结构化剪枝校准方法
研究人员提出即插即用方法 RECAL，在结构化剪枝前调整校准统计，以增强推理大语言模型后续的在线策略蒸馏（OPD）恢复效果。该方法利用教师模型与剪枝探针间的前向 KL 散度识别受损预测并重新加权校准，引导现有剪枝准则保留关键能力。实验显示，RECAL 在 AIME 数学推理评测中最高带来 16.7 个百分点的提升，并在多数代码生成基准中实现改进。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。