投影蒸馏：把失败尝试改为正确目标

Shripad V. Deshmukh 等作者提出“投影蒸馏”（projected distillation）训练方法：把学生模型的失败尝试做最小幅度编辑，改成正确目标，再用对比更新偏好修正，并随学生演化刷新。作者称，这样即使学生全部尝试都失败，仍能进行近同策略学习。 该方法的出发点是作者把“同策略程度”视为一个连续谱，而非有或无。报道未给出该方法在具体难题上的效果数据。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。