ST-OPSD：用激活引导改进思维模型自蒸馏

Tiejin Chen、Xiaoou Liu、Hanyang Chen、Hua Wei 提出 Steered-Teacher OPSD（ST-OPSD），用激活引导修正 on-policy 自蒸馏中教师模型的两类问题：引用不可得参考的“参考幻觉”，以及抑制不确定步骤复核的倾向。研究者称该方法通过激活引导同时处理这两种失效模式。 该工作以 arXiv cs.AI 论文形式发布，报道未给出实验效果数据或适用条件。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。