arXiv · cs.AI· Fei Wu, Zhenrong Zhang, Jianshu Zhang, Jun Du·· 6 小时前
VASPO：结合特权价值估计的PPO自蒸馏方法
VASPO: Self-Distillation with Privileged Value Estimation
arXiv:2610.20516v1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：Fei Wu, Zhenrong Zhang, Jianshu Zhang, Jun Du
研究任务与主要进展
VASPO提出一种结合特权自教师和评论家的PPO自蒸馏方法，用评论家基于学生生成前缀的预测续写回报计算词元级优势，并由自教师调节选定的正向优势。
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