arXiv · cs.AI· Narayanan Sadagopan, Yilan Chen, Vijay Lingam·· 5 小时前
基于局部信任域优化的同策略蒸馏Token效用与FUW方法
Token Utility for On-Policy Distillation via Local Trust-Region Optimization
arXiv:2610.18883v1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：Narayanan Sadagopan, Yilan Chen, Vijay Lingam
研究任务与主要进展
研究者从同策略蒸馏目标出发，推导Token效用评分，并提出Fisher Utility Weighting（FUW）连续加权方法。该效用由logit梯度和类别Fisher矩阵计算，在反向KL和正向KL目标下分别对应不同的散度形式。
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