DIAL-OPD：用四成token超越全量蒸馏
热点事件持续更新
DIAL-OPD：用四成token超越全量蒸馏
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Anhao Zhao等人提出DIAL-OPD令牌选择方法：在on-policy蒸馏（OPD）中，用教师与学生概率的对数均值加权奖励幅度，以此筛选参与训练的token。 据其论文，仅保留40%的token，该方法在平均准确率上即超过Vanilla OPD及其全token变体，相对Vanilla OPD的平均准确率提升最高达5.25个百分点，并将AIME25 Pass@16从13.33%提升至26.67%。论文未给出这些结果之外的独立复现证据。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
DIAL-OPD：在 On-Policy 蒸馏中用更少 token 学到更多报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.CLDIAL-OPD：在 On-Policy 蒸馏中用更少 token 学到更多
DIAL-OPD 是一种 token 选择方法，通过用教师与学生概率的对数均值加权奖励幅度，在 on-policy 蒸馏中只保留 40% 的 token 即可超过 Vanilla OPD 及其全 token 变体，平均准确率最高提升 5.25 个百分点。
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。