arXiv · cs.AI· Yingdong Shi, Zhihong Li, Changming Li, Jingyi Yu, Quan Li, Kan Ren·· 11 小时前
OPMD：超越输出监督的在线策略机制蒸馏方法
OPMD: On-Policy Mechanism Distillation Beyond Output Supervision
arXiv:2610.14022v1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：Yingdong Shi, Zhihong Li, Changming Li, Jingyi Yu, Quan Li, Kan Ren
研究任务与主要进展
研究提出在线策略机制蒸馏方法OPMD，通过构造与学生兼容的教师中间状态，让学生从自身策略轨迹中学习可被后续计算使用的教师机制。作者报告，OPMD在三种教师—学生设置中取得了所评估蒸馏基线中的最高平均准确率，并可扩展到多教师蒸馏和跨家族监督微调；材料仅提供论文摘要，未说明具体实验设置、基线或成本。
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