arXiv · cs.AI· Zhengxin Zhang, Maosen Tang, Ning Wang, Changhao Li, Jingren Zhou, Bo Dai, Sainyam Galhotra, Alex Townsend, Claire Cardie·· 6 小时前
STOPD通过随机截断与逆概率加权加速在线策略蒸馏
Does On-Policy Distillation Need to Complete Every Rollout?
arXiv:2610.21337v1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：Zhengxin Zhang, Maosen Tang, Ning Wang, Changhao Li, Jingren Zhou, Bo Dai, Sainyam Galhotra, Alex Townsend, Claire Cardie
研究任务与主要进展
作者提出随机截断在线策略蒸馏方法STOPD，通过在学生rollout生成前随机设定停止位置，并将生成长度减少25%–48%。该方法用分块逆概率加权补偿采样偏差；基于论文摘要，STOPD在多组教师—学生模型、任务和优化器上保持与Vanilla OPD可比的准确率，并实现1.3–2.2倍训练加速。
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