arXiv · cs.AI· Aryan Das, Arnab Bhattacharya, Vinay Kumar Verma·· 6 小时前
FSPO 通过函数空间时间自蒸馏优化策略学习
Function-Space Temporal Self-Distillation for Policy Optimization
arXiv:2610.19687v1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：Aryan Das, Arnab Bhattacharya, Vinay Kumar Verma
研究任务与主要进展
作者提出单策略框架FSPO，将历史下一词元分布固定为时间目标，并结合特权分歧修正、可靠性自适应接地和时空记忆来优化RLVR。基于论文摘要，在5小时训练预算下，FSPO在推理与工具使用基准上取得最高平均准确率，较最强基线平均提升约4个百分点；Olmo3-7B-Instruct上的峰值内存从约70 GB降至56 GB。
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