热点事件持续更新
Miles 框架新增 On-Policy Distillation 支持
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026-09-30，LMSYS 的 Chatbot Arena 团队在官方博客发布消息，称 Miles 框架已将 On-Policy Distillation（OPD）集成进 rollout 与训练流程。报道称，该功能支持两种模式：纯蒸馏，以及结合 GRPO/PPO 的 RL 增强蒸馏；同时新增稀疏的逐位置候选 token 打分流程，以避免 O(R²K) 的密集 payload。团队还表示已通过 Qwen3.5-35B-A3B 自蒸馏实验对该功能进行验证。目前进展停留在功能集成与实验验证阶段，报道未披露更多性能数据或后续计划。
AI 根据报道生成 · 11 小时前更新
最新进展9月30日 23:28
Miles 集成 OPD，支持纯蒸馏与 GRPO/PPO 增强蒸馏，并以 Qwen3.5-35B-A3B 自蒸馏验证。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- LMSYS：Blog（Chatbot Arena 团队）Miles 新增 OPD 支持：Qwen3.5-35B-A3B 自蒸馏实验验证
Miles 将 On-Policy Distillation（OPD）集成进 rollout 与训练流程，支持纯蒸馏和结合 GRPO/PPO 的 RL 增强蒸馏两种模式，并新增稀疏的逐位置候选 token 打分流程，避免 O(R²K) 的密集 payload。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·近 24 小时可比范围变化 –
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。