热点事件持续更新

SR-OPD：用成功轨迹参照选择蒸馏样本

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

研究者提出 Success-Referenced On-Policy Distillation（SR-OPD），用于在策略蒸馏场景下选择教师监督。该方法按提示与 rollout 是否有成功样本来分配教师 token，优先处理与成功参照隐藏状态轨迹持续分歧的失败 rollout。2026-10-05 该工作以“SR-OPD：按成功参照分配教师 token 的在策略蒸馏”为题发表于 arXiv（Artificial Intelligence 分类，属一手来源）。目前公开信息仅涉及方法思路，尚无实验数据、代码或第三方复现报道。

AI 根据报道生成 · 16 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv · Artificial Intelligence
SR-OPD：按成功参照分配教师 token 的在策略蒸馏
研究者提出 Success-Referenced On-Policy Distillation（SR-OPD），在在策略蒸馏中按提示与 rollout 是否有成功样本选择教师监督，优先处理与成功参照隐藏状态轨迹持续分歧的失败 rollout。

本事件热度走势

当前热度 7·可比范围峰值 10（10月5日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。