arXiv · cs.AI· Qijia He, Zequn Li, Spencer Luo, Tianle Chen, Pradyumna Narayana, Zixian Ma, Ranjay Krishna, Lan Nie, Sugato Basu·· 5 小时前
DTDD：基于分歧触发的动态蒸馏用于可靠的在线策略监督
DTDD: Divergence-Triggered Dynamic Distillation for Reliable On-Policy Supervision
arXiv:2610.19302v1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：Qijia He, Zequn Li, Spencer Luo, Tianle Chen, Pradyumna Narayana, Zixian Ma, Ranjay Krishna, Lan Nie, Sugato Basu
研究任务与主要进展
DTDD提出一种自适应的在线策略蒸馏框架，通过分段学生—教师分歧触发教师接管，学生前缀继续接受在线策略蒸馏监督，教师生成的后缀则用行为克隆训练。
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