f-OPD 异步在线策略蒸馏框架发布
热点事件持续更新
f-OPD 异步在线策略蒸馏框架发布
1 篇报道1 个报道来源21 小时前更新
先了解这件事
报道摘要
针对 LLM 在线策略蒸馏（OPD）中异步执行与理想 on-policy 目标之间的偏差，研究者将其分解为 rollout drift 与 supervision drift，并提出样本级新鲜度分数，据此构建 f-OPD 框架，自适应调节过期样本影响并约束异步训练下的策略漂移。
摘自 arXiv：cs.AI
最新进展10月15日 12:00
f-OPD：用新鲜度感知控制稳定长时程在线策略蒸馏报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIf-OPD：用新鲜度感知控制稳定长时程在线策略蒸馏
针对 LLM 在线策略蒸馏（OPD）中异步执行与理想 on-policy 目标之间的偏差，研究者将其分解为 rollout drift 与 supervision drift，并提出样本级新鲜度分数，据此构建 f-OPD 框架，自适应调节过期样本影响并约束异步训练下的策略漂移。
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。