热点事件持续更新
On-Policy Distillation 中 Off-Policy Teacher 问题与 SCOUT 框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
在 On-Policy Distillation（OPD）中，学生策略生成的轨迹对教师而言是 off-policy，导致教师在更长前缀上的延续性能下降。2026-10-01 arXiv·Machine Learning Theory 报道提出 SCOUT（Student-Conditioned Updates of the Teacher），通过强化学习与可验证奖励周期性优化教师对学生前缀的适应能力，以缓解 off-policy 带来的性能退化。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
SCOUT 框架通过强化学习与可验证奖励周期性优化教师对学生前缀的适应能力。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Machine Learning TheoryOn-Policy Distillation 中的 Off-Policy Teacher 问题与 SCOUT 框架
On-policy distillation（OPD）中学生策略生成的轨迹对教师而言是 off-policy，教师在更长前缀上的延续性能会下降。研究提出 SCOUT（Student-Conditioned Updates of the Teacher），通过强化学习与可验证奖励周期性优化教师对学生前缀的适应能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。