← 返回 AIRadar 首页

Hugging Face 搬运新论文：教师是方向而非终点，在线策略蒸馏新方法

AK 转发 HuggingPapers 介绍一种新的在线策略蒸馏方法，该方法通过外推 RL 诱导的表征来改进模型训练，暗示蒸馏技术正从静态模仿转向动态方向引导。