新方法缓解自蒸馏尖峰问题
bronzeagepapi · x · 2026-07-11
提出了一种新的思路来缓解 on-policy self-distillation 中的 spike problem：
- 通过让 privileged information 在 rollout 过程中直接引导 student distribution。
- 目标是让训练更稳定，减少分布在 rollout 时出现的尖峰问题。
这是一个偏方法论的研究进展，信息量主要集中在技术机制上。
「研究」频道最新
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27