arXiv · cs.AI· Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang, Yifan Dai, Yang Shi, Bozhou Li, Chengzhuo Tong, Daili Hua, Yuanxing Zhang, Wentao Zhang·· 8 小时前
Flux-OPD利用演化上下文进行在策略蒸馏
Flux-OPD: On-Policy Distillation with Evolving Contexts
arXiv:2607.28022v2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：Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang, Yifan Dai, Yang Shi, Bozhou Li, Chengzhuo Tong, Daili Hua, Yuanxing Zhang, Wentao Zhang
研究任务与主要进展
Flux-OPD提出一种在策略蒸馏方法，将随学生能力变化的上下文作为训练监督信号，并通过冲突项调节上下文修正强度。论文基于反向KL分解将其目标解释为带有教师分歧冲突项的几何平均目标；摘要称实验显示其表现优于所比较的其他OPD范式，但未提供具体基线和实验细节。
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