热点事件持续更新

研究：OPD 模型合并中 RL 教师优于 SFT 教师

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

一项受控单教师对比研究比较了 SFT 与 RL 训练出的教师模型在基于 OPD 的模型合并中的表现，作者为 Jingyuan Huang 等。研究中教师与学生均以 Qwen3.5-9B 初始化，覆盖 Agentic、Reasoning、Perception 三个领域。结果显示 RL 教师引导的学生在这三个领域均优于 SFT 教师，最佳 checkpoint 分别高出 4.27、1.50、0.86 个百分点。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv：cs.LG
Train4Merge：RL 与 SFT 教师用于 OPD 模型合并的受控单教师对比研究
一项受控单教师研究对比了 SFT 与 RL 训练出的教师模型在基于 OPD 的模型合并中的表现。教师与学生均以 Qwen3.5-9B 初始化，在 Agentic、Reasoning、Perception 三个领域，RL 教师引导学生均优于 SFT 教师，最佳 checkpoint 分别高出 4.27、1.50、0.86 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。