热点事件持续更新
论文诊断推理语言模型的On-Policy自蒸馏
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.CL 分类发布一篇论文，对 0.6B–8B 参数模型上的数学推理任务诊断了 On-Policy 自蒸馏（OPSD）。研究称，教师信号由推理模式对齐和完整教师前缀决定，而非特权语义本身；OPSD 仅在狭窄的兼容区间内提升推理，否则会导致无效长度增长、稳定退化或行为崩溃。Token 级分析显示教师信号不稳定且无法预测下游性能。论文据此认为，OPSD 是一种敏感算法，而非普遍可靠的推理提升后训练方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
arXiv 新论文诊断 OPSD：仅在狭窄兼容区间有效，教师信号不稳定。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv：cs.CL（计算语言学，全量分类）诊断推理语言模型的 On-Policy 自蒸馏（OPSD）
研究对 0.6B–8B 参数模型上的数学推理任务诊断了 On-Policy 自蒸馏（OPSD），发现教师信号由推理模式对齐和完整教师前缀决定，而非特权语义本身。OPSD 仅在狭窄的兼容区间内提升推理，否则会导致无效长度增长、稳定退化或行为崩溃。Token 级分析显示教师信号不稳定且无法预测下游性能，因此 OPSD 是一种敏感算法，而非普遍可靠的推理提升后训练方法。
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。