论文
Recovering Reliable Supervision via Critique-Guided On-Policy Distillation
提出基于批判引导的在线策略蒸馏（OPD）方法，解决教师模型在学生前缀下不可恢复正确答案的关键假设缺陷
首次收录 2026-10-15热度 1.0
distillationrlreasoning
暂未评估,等待下一轮评分。
事件时间线
暂无事件。
关联信号
想把「Recovering Reliable Supervision via Critique-Guided On-Policy Distillation」相关的机会落到自己的业务上?
想把 AI 机会落到自己的业务上?
灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。