跳到正文
热点事件持续更新

同策略蒸馏方法宣称可省九成RL算力

1 篇报道1 个报道来源20 小时前更新

先了解这件事

AI 综述

Thinking Machines Lab 提出同策略蒸馏方法:学生模型在自身生成的轨迹上接受老师模型逐 token 评分,以反向 KL 作为奖励,再通过强化学习更新。RadarAI 的解析称,该方法在数学推理、个性化助手和持续学习场景中分别实现 9 至 30 倍算力节省,整体降低约 90% 算力消耗。上述节省幅度来自该解析的表述,报道未给出对应的实验条件或验证细节。

AI 根据报道生成 · 19 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. RadarAI
    同策略蒸馏如何将 RL 训练算力降低 90%

    Thinking Machines Lab 提出的同策略蒸馏方法让学生模型在自身轨迹上接受老师逐 token 评分,以反向 KL 作为奖励并通过 RL 更新。该方法在数学推理、个性化助手及持续学习场景中分别实现 9-30 倍算力节省,整体降低约 90% 算力消耗。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月21日 08:00
近 24 小时变化
–

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。