09:12
官方账号arXiv cs.LG@Xixiang He, Xingming Li, Baiqi Wu, Qiyao Sun, Xuanyu Ji, Ao Cheng, Qingyong Hu
精选73°
推荐理由：MT-SDPO方法让每个样本选择最可靠的教师，而非按领域匹配，大幅提升多领域大模型性能。
MT-SDPO
共 1 条相关 AI 资讯
9月3日
09:12
研究人员提出MT-SDPO方法，通过自我锚点、答案验证资格和特权蒸馏三个组件整合多个冻结教师模型。该方法在Qwen3-8B模型上测试，将最弱领域性能提升14.79点，领域差距缩小74.7%。代码已在GitHub开源，地址为https://github.com/hexixiang/MT-SDPO。