CriticOPD：用教师错误批评改进on-policy蒸馏
热点事件持续更新
CriticOPD：用教师错误批评改进on-policy蒸馏
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Kaixiang Zhao 等发布论文提出CriticOPD，用教师对错误rollout的批评帮助学生重写解答，以恢复on-policy distillation中的教师可恢复性。教师在评分时使用包含批评的特权信息，学生则基于不含批评的修订结果训练。 在两个Qwen3学生模型和六个数学推理基准上，该方法优于OPD，提升在竞赛题上最明显。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
CriticOPD通过错误批评提升on-policy蒸馏的可靠监督报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AICriticOPD通过错误批评提升on-policy蒸馏的可靠监督
研究者提出CriticOPD，用教师对错误rollout的批评帮助学生重写解答，以改善on-policy distillation中的教师可恢复性。教师在评分时使用包含批评的特权信息，学生则基于不含批评的修订结果训练；在两个Qwen3学生模型和六个数学推理基准上，该方法优于OPD，提升在竞赛题上最明显。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。