LoopOPD：循环语言模型跨循环自蒸馏框架

2026年10月9日，arXiv Machine Learning Theory（一手）报道，研究者提出 LoopOPD 及动态版本 D-LoopOPD，这是一个面向循环语言模型（LoopLM）的跨循环在线策略蒸馏框架。该方法让 LoopLM 以自身冻结的终端循环策略作为计算特权教师，在学生生成的 rollout 上提供密集监督，无需外部教师或特权信息。目前报道仅披露框架提出与核心机制，未见后续实验或应用进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。