CriticOPD：用批判引导的在线策略蒸馏

研究者提出 CriticOPD，一种让教师模型先批判学生的错误解答、再让学生据此重写，并以含批判的特权信息对结果打分、学生不带批判训练的在线策略蒸馏方法，目标是恢复错误 rollout 上的可靠监督。 据论文，在两个 Qwen3 学生模型和六个数学推理基准上，CriticOPD 均优于 OPD，竞赛题上提升最大。代码已公开。 上述评测结论来自论文报告，未涉及第三方复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。