标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 72 条结果
相关性 | 日期

Self-OPD：无教师的流匹配模型在线策略蒸馏

👍 41

用学生自身SDE分支探索替代教师目标，免教师实现流匹配模型的密集逐步蒸馏对齐

Shiyi Zhang, Mushui Liu, Yunze Tong, Wanggui He, Siyu Zou, Jinlong Liu,... 2026-08-28
在线策略蒸馏 多目标优化 强化学习对齐 文本到图像生成 流匹配
✅ 已总结
详情 →

硬币的两面：大语言模型在线蒸馏中泛化的双重性

👍 16

OPD迁移的是教师推理行为而非答案，同源才能整体对齐策略，多教师路由因此产生跷跷板效应

Zhaoyi Li, Deyang Kong, Yuan Wei, Evan Yang, Ranran Shen, Mahardika Krisna... 2026-08-24
在线策略蒸馏 多教师蒸馏 大语言模型后训练 泛化分析 知识迁移
✅ 已总结
详情 →

当教师误导时：伪信号感知的在线策略蒸馏

👍 19

过滤在线蒸馏中既不依赖输入又高影响的虚假教师信号

Yinuo Jiang, Yongjie Ye, Zhou Tao, Xiang Zhuang, Qiang Zhang, Huajun Chen, Tiankai Li 2026-08-06
在线策略蒸馏 大语言模型 梯度信噪比 知识蒸馏 视觉语言模型
✅ 已总结
详情 →

Flux-OPD：用演化上下文做在线策略蒸馏

👍 46

通过反向KL分解，把演化上下文作为在线监督信号注入蒸馏目标。

Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang,... 2026-07-31
上下文蒸馏 医学问答 反向KL分解 在线策略蒸馏 大语言模型
✅ 已总结
详情 →

接力棒：轨迹接力的在线策略蒸馏

👍 32

在学生推理出错处让老师短暂接管再交还，修复在线策略蒸馏的前缀失败

Haolei Xu, Xiaowen Xu, Haiwen Hong, Zixuan Ni, Hongxing Li, Yiwen Qiu,... 2026-07-29
在线策略蒸馏 大模型训练 推测解码 推理 知识蒸馏
✅ 已总结
详情 →

在线策略差分蒸馏

👍 37

用教师与基础模型的概率差作为蒸馏奖励，大幅提升推理蒸馏效果。

Byeongho Heo, Jaehui Hwang, Sangdoo Yun, Dongyoon Han 2026-07-20
后训练 在线策略蒸馏 大语言模型推理 奖励设计 强化学习替代
✅ 已总结
详情 →

揭秘在线策略蒸馏：角色、病理与调控

👍 18

系统揭示OPD的探索催化本质，诊断信号失真病理，用零开销信号调控修复训练不稳定

Rui Wang, Hongru Wang, Yi Chen, Boyang Xue, Tianqing Fang, Wenhao Yu, Kam-Fai Wong 2026-07-17
在线策略蒸馏 大模型后训练 强化学习 知识蒸馏 训练动力学
✅ 已总结
详情 →