arXiv · cs.AI· Yifei Liu, Minghao Fang, Xinyu Gu, Chengkai Yao, Mengdi Liu, Tengfei Ma, Jiangbin Zheng, Chang Yu, Zhangyang Gao·· 1 天前
E²-OPSD：通过示例引导与熵感知蒸馏抑制在策略自蒸馏中的熵超调
E$^2$-OPSD: Taming Entropy Overshoot in On-Policy Self-Distillation
arXiv:2610.05048v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yifei Liu, Minghao Fang, Xinyu Gu, Chengkai Yao, Mengdi Liu, Tengfei Ma, Jiangbin Zheng, Chang Yu, Zhangyang Gao
研究任务与主要进展
E²-OPSD提出一种不增加额外前向传播或网络的在策略自蒸馏方法，通过示例引导教学和熵感知蒸馏缓解学生模型熵持续升高的问题。基于论文摘要，该方法在数学推理mean@16上较OPSD最高提升4.3点，域外评测相对对应基模型的mean@16和pass@8最高提升4.9点和5.5点。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org