CGTR自蒸馏教师刷新门控方法提出

Haowei Guo 等作者发布论文，提出 Consolidation-Gated Teacher Refresh（CGTR）方法：在自同策略蒸馏中保留教师模型更新的隔离期，并以奖励提升与长度尾部安全的联合证据作为每次刷新的门控条件。 论文称，在 Qwen3-8B 上的受控调度扫描发现，决定稳定学习的是教师更新之间的完全冻结期，而非教师模型的新旧程度；时序 KL 结构诊断框架显示，短视最优的固定调度在长时训练中会因时钟驱动刷新出现状态无视崩溃。CGTR 在 Chemistry、Biology、Physics、ToolUse 四项任务上报告零崩溃并取得最佳最终得分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。