Train4Merge比较RL与SFT教师用于OPD模型合并的效果

Train4Merge研究在共享Qwen3.5-9B初始化、相近任务性能和单教师条件下，比较SFT教师与RL教师用于on-policy distillation（OPD）模型合并的效果。目前仅有论文摘要信息，材料未说明具体比较结论。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。