12:01
官方账号arXiv cs.AI@Haolei Xu, Xiaowen Xu, Haiwen Hong, Zixuan Ni, Hongxing Li, Yiwen Qiu, Weiming Lu, Yongliang Shen
推荐理由：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。
Relay-OPD
共 1 条相关 AI 资讯
7月29日
12:01
提出Relay-OPD方法，解决同策略蒸馏（OPD）中的前缀失败问题：当学生模型进入错误推理方向后，后续生成偏离正确路径。该方法利用教师-学生在失败前缀上的延续不对称性作为无标签触发信号，让教师短暂接管生成然后交回学生训练。使用Qwen3-4B-Instruct-2507作为教师，Qwen3-0.6B/1.7B-Non-Thinking作为学生，在8个数学推理基准上，Relay-OPD在全部基准中取得最佳或次佳结果，1.7B模型平均超越标准OPD 5.73%，超越最强基线FastOPD 1.49%，且训练轨迹长度减少超过50%。