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。
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。