论文提出 CriticOPD 修复 OPD 教师可恢复性
热点事件观察中
论文提出 CriticOPD 修复 OPD 教师可恢复性
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
论文作者提出 CriticOPD，用批评引导的在策略蒸馏（OPD）修复教师可恢复性失效问题。作者指出，OPD 假设教师能从学生写的任意前缀推出正确答案，但当学生 rollout 出错时该假设失效——教师虽能识别错误，仍会跟随学生的错误。 在两个 Qwen3 学生模型和六个数学推理基准上，CriticOPD 改进了 OPD，竞赛类题目上提升最大。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 08:00
CriticOPD：用批评引导的 on-policy 蒸馏恢复可靠监督报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face 每日论文精选CriticOPD：用批评引导的 on-policy 蒸馏恢复可靠监督
论文提出 CriticOPD，指出 on-policy 蒸馏（OPD）假设教师能从学生写的任意前缀推出正确答案，但该可恢复性在错误 rollout 上失效，教师虽能识别错误却仍会跟随学生错误。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 410月15日 13:00
- 近 24 小时变化
- –
0246
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。