arXiv · cs.AI· Yunjie Chen, Zihao Chen, Xiaoxin Chen, Fan Wang·· 11 小时前
REGEN：用回放回收与离线强化学习实现专家到通才蒸馏
REGEN: Replay-recycling for Expert-to-Generalist distillation with Offline Reinforcement Learning
arXiv:2607.19450v4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：Yunjie Chen, Zihao Chen, Xiaoxin Chen, Fan Wang
研究任务与主要进展
REGEN提出回放回收方法，利用专家模型专门强化学习产生的回放记忆，并通过离线强化学习训练通才模型，将 rollout 采样与反向训练解耦。基于论文摘要，该方法在数学推理、代码生成和指令遵循任务上以更低成本达到与多教师在线蒸馏（MOPD）相近的准确率。
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