研究提出熵形状相关性预测在线策略蒸馏效果
热点事件持续更新
研究提出熵形状相关性预测在线策略蒸馏效果
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Shiping Yang 等作者提出用“熵形状”（即下一个 token 熵的序列）刻画在线策略蒸馏（OPD）中学生从教师处学到的“在哪里分支”，并据此提出熵形状相关性（ESC）指标，衡量学生与教师在熵形状上的一致程度。研究称，OPD 不仅学习“如何分支”（考虑哪些候选 token），还学习“在哪里分支”（保持推理路径开放的位置），而现有 token 重叠指标只捕捉前者。作者同时提出教师选择评测协议，用于预测 OPD 效果。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
拆解不确定性形状：On-Policy Distillation 学到了什么，以及如何预测报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI拆解不确定性形状：On-Policy Distillation 学到了什么，以及如何预测
研究揭示 on-policy distillation（OPD）不仅学习“如何分支”（考虑哪些候选 token），还学习“在哪里分支”（保持推理路径开放的位置），现有 token 重叠指标只捕捉前者。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。