Chinese contentΔ-MOPD:以教师相对偏移改进多教师在线蒸馏
蒸馏时直接抄老师的最终输出会混进老师基座的偏好,这篇论文改用老师训练前后的偏移量,三个老师组合下 Math 高了 4 分多,做模型蒸馏的可以看看。
蒸馏时直接抄老师的最终输出会混进老师基座的偏好,这篇论文改用老师训练前后的偏移量,三个老师组合下 Math 高了 4 分多,做模型蒸馏的可以看看。
这篇论文给多轮智能体蒸馏提了个新思路:只在学生拿不准的步骤让老师出手纠正,WebShop 分数最多提升 15.8%。做 Agent 训练的可以看看干预时机的选择。
This paper presents a new parameterization for per-token gating in on-policy knowledge distillation, which is a key technique for training smaller models to mimic larger ones. It provides a framework for comparing different gating designs.
这篇论文讲了个反直觉的事:蒸馏时师生token一致反而可能有害。TIDE方法在数学推理上把准确率从6.9%拉到20.3%,还让回答短了3.6倍,值得做LLM后训练的人看看。
发了个叫Adaptive FastOPD的蒸馏加速方法,比OPD 15K快一半多,性能还更高。做训练加速的可以看看。