arXiv · cs.AI· Wei Fan, Qingyue Yang, Chao-Hong Tan, Qian Chen, Wen Wang, Xiangang Li, Kejiang Chen, Weiming Zhang, Nenghai Yu·· 1 天前
LoOPSD通过循环教师实现在线策略自蒸馏
LoOPSD: On-Policy Self-Distillation with Looped Teachers
arXiv:2610.18162v1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：Wei Fan, Qingyue Yang, Chao-Hong Tan, Qian Chen, Wen Wang, Xiangang Li, Kejiang Chen, Weiming Zhang, Nenghai Yu
研究任务与主要进展
LoOPSD通过搜索同一模型的层执行顺序构造教师，并将教师在学生生成前缀上的预测蒸馏给学生；模型权重保持不变，搜索与蒸馏交替进行并持续重建教师。基于论文摘要，在GSM8K、400-token思考预算下，Qwen3-1.7B准确率从42.30%提升至79.61%，后续蒸馏轮次进一步超过首轮收益。
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