SSR自蒸馏方法提升推理模型训练
热点事件持续更新
SSR自蒸馏方法提升推理模型训练
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
研究者提出自蒸馏方法 Self-Steered Reasoner（SSR），通过学生支撑投影把特权教师分布转成仅覆盖无引导学生局部可达推理动作的方向性信号，并用验证筛选正确轨迹。 在即使充分强化学习后 pass@64 仍为 0 的题目上，SSR 无需参数更新即为 74.6% 的题目恢复正确且可学习的轨迹；在这些轨迹上微调并恢复强化学习后，AIME25/26 与 HMMT26 聚合准确率提升 4.9 个百分点。
AI 根据报道生成 · 49 分钟前更新
最新进展11月4日 13:00
Self-Steered Reasoner（SSR）：用可达性对齐的自蒸馏突破推理瓶颈报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLSelf-Steered Reasoner（SSR）：用可达性对齐的自蒸馏突破推理瓶颈
研究者提出 Self-Steered Reasoner（SSR），通过学生支撑投影把特权教师分布转成仅覆盖无引导学生局部可达推理动作的方向性信号，并以验证筛选正确轨迹。在即使充分 RL 后 pass@64 仍为 0 的题目上，SSR 无需参数更新即为 74.6% 的题目恢复正确且可学习的轨迹；在这些轨迹上微调并恢复强化学习后，AIME25/26 与 HMMT26 聚合准确率提升 4.9 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。