arXiv · cs.AI· Dongyang Chen, Shudong Liu, Shubo Li, Duoxun Tang, Jinwei Liang, Zehuan Wu, Lewei Lu·· 5 小时前
BranchOPD：基于不确定性分支的同策略蒸馏
Branching On-Policy Distillation
arXiv:2610.13481v1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：Dongyang Chen, Shudong Liu, Shubo Li, Duoxun Tang, Jinwei Liang, Zehuan Wu, Lewei Lu
研究任务与主要进展
BranchOPD利用学生不确定性和师生分歧选择信息丰富的决策点，从共享前缀重采样，并为学生主轨迹与分支轨迹提供词元级教师监督。论文摘要报告，相比7条独立轨迹，该方法在ALFWorld和WebShop中分别减少约19%和31%的学生生成词元成本；在所评估基准上，其数学平均准确率较Vanilla OPD高18.55个百分点，ALFWorld ID/OOD平均成功率高13.8个百分点。
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