arXiv · cs.AI· Shuo Yang, Zheyu Zhang, Mahito Sugiyama, Gjergji Kasneci·· 11 小时前
在策略蒸馏仅训练学生失败题目时会否提升能力？
Correcting or Continuing? What On-Policy Distillation Learns from Student Errors
arXiv:2610.18011v1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：Shuo Yang, Zheyu Zhang, Mahito Sugiyama, Gjergji Kasneci
研究任务与主要进展
Shuo Yang、Zheyu Zhang、Mahito Sugiyama和Gjergji Kasneci的研究基于论文摘要指出，在策略蒸馏仅使用学生当前失败的竞赛数学题目训练时，Qwen-3和Phi-4上的5种代表性机制均未提升准确率，8种配置全部下降，双侧符号检验得到p=0.0078。
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