arXiv · cs.AI· Xiaoshu Chen, Sihang Zhou, Ke Liang, Xinwang Liu·· 1 天前
SeOPD：通过自生成思维链在线蒸馏实现大语言模型自我进化
SeOPD: Self-Evolving LLMs via Online Policy Distillation from Self-Generated Chain-of-Thought
arXiv:2609.33181v2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：Xiaoshu Chen, Sihang Zhou, Ke Liang, Xinwang Liu
研究任务与主要进展
SeOPD让同一个大语言模型先以深度思考模式生成思维链，再以非思考模式生成回答，并用前者作为特权信息为后者提供逐 token 监督。作者称，该方法可使推理过程中产生的新信息被共享模型参数吸收，从而同时改进非思考和深度思考能力。基于论文摘要，实验覆盖多个大语言模型和任务并显示方法有效，但具体实验细节未说明。
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