共计 4 篇文章

---

2026

09-07

PlanPhys：长程规划从哪里来？预训练、OPD 与多教师蒸馏的能力边界

09-07

SMOPD 深度解读：多奖励强化学习的“先专门化，再蒸馏合并”

08-20

Open-MOPD：诊断并修复多教师 On-Policy 蒸馏中的能力失衡

08-17

论文精读｜Kimi K3 后训练阶段详解：三阶段范式与多领域强化学习