论文11:41
弱到强泛化通过Direct On-Policy Distillation用弱模型训练强模型，Qwen3-1.7B在AIME 2024从48.3%飙到62.4%，只花4小时8卡A100。比直接RL还省，值得试试。
#Direct-OPD
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Direct-OPD」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月7日
用弱模型训练强模型，Qwen3-1.7B在AIME 2024从48.3%飙到62.4%，只花4小时8卡A100。比直接RL还省，值得试试。