Papers10:54Chinese contentTESD:用教师进化机制改进 On-Policy 自蒸馏训练解决自蒸馏训练到后面不涨分的问题,思路是让教师自己也能被环境反馈训练,做后训练的可以看看。#TESD#自蒸馏#后训练#论文aarXiv cs.AI@Shufan Shen et al. (6)SourceRead laterReadWorth followingUsefulFollow TESD