论文12:01
Relay-OPD：通过轨迹接力改进同策略蒸馏这篇论文提出了一个很聪明的改进：当学生模型推理跑偏时，让老师模型短暂接管一段，再交回学生继续训练。在Qwen3小模型上效果明显，数学推理准确率提升，训练还更快。
#Ony-Policy Distillation
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Ony-Policy Distillation」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月29日
这篇论文提出了一个很聪明的改进：当学生模型推理跑偏时，让老师模型短暂接管一段，再交回学生继续训练。在Qwen3小模型上效果明显，数学推理准确率提升，训练还更快。