提出CGTR教师刷新调度方法

Haowei Guo 等提出 Consolidation-Gated Teacher Refresh（CGTR），一种自策略蒸馏（self on-policy distillation）中的教师更新调度方法，用于解决教师更新时机不当导致的长期训练不稳定问题。 该方法在 Qwen3-8B 上通过受控调度扫描发现，教师更新之间的完全冻结期（isolation periods）是稳定学习的关键结构性质。CGTR 在保留隔离期的同时，以奖励提升和长度尾部安全作为联合证据来决定是否执行每次刷新。 论文称，使用单一共享参数集、无需针对各数据集单独调参，CGTR 在 Chemistry、Biology、Physics、ToolUse 四个任务上实现零崩溃并获得最佳最终得分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。