arXiv · cs.AI· Xianwei Chen, Shimin Zhang, Jibin Wu·· 11 小时前
f-OPD用新鲜度感知控制稳定长程在策略蒸馏
$\boldsymbol{f}$-OPD: Stabilizing Long-Horizon On-Policy Distillation with Freshness-Aware Control
arXiv:2605.17862v2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：Xianwei Chen, Shimin Zhang, Jibin Wu
研究任务与主要进展
基于论文摘要，作者提出f-OPD，通过样本级新鲜度评分调节陈旧样本影响并约束异步训练中的策略漂移。其在推理、工具使用和编码Agent任务中报告了与同步优化相当的任务性能，同时保留异步执行的大部分吞吐优势；具体实验条件与结果细节需以论文全文为准。
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