共计 7 篇文章

---

2026

09-11

DASH：自蒸馏如何利用分歧序列调整监督权重？从反向递推到真实梯度

09-11

SOPD：不接管学生轨迹，如何用完整步骤修复 OPD 的碎片化监督？

09-08

OPDVR：用答案正确性过滤蒸馏信号，如何把 OPD 与可验证奖励结合？

08-21

ICSD：当"老师可信"不等于"听老师的话有用"——给 On-Policy Self-Distillation 装上影响力校准

08-18

PowerOPD：用有界幂变换稳定 On-Policy Distillation

08-18

SimpleOPD：跨tokenizer的长上下文推理蒸馏方法

04-21

On-Policy Distillation：让学生在自己的轨迹上向老师学习