TeachBack：双向偏好优化实现策略内自蒸馏

华中科技大学等团队提出 TeachBack，一个面向 On-Policy 自蒸馏（OPSD）的双向偏好学习框架。据作者介绍，该框架让模型不仅向 Teacher 学习，也学习 Teacher 该如何教。 目前公开信息只有框架的定位与思路，报道未给出实验结果或与其他方法的对比，因此其实际效果尚未得到验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。