研究者提出多教师蒸馏方法CA-MOPD

Xuanfeng Yang等作者提出能力感知多教师在线策略蒸馏方法CA-MOPD：先合并强化学习专家，得到强学生初始化，再用验证器估计的教师—学生能力差距，调整各领域蒸馏强度。 在数学、代码生成和指令遵循的六个基准上，CA-MOPD平均得分32.22，分别高于朴素MOPD、Open-MOPD和合并初始化0.86、0.83和0.74分。上述结果来自作者在论文中的报告。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。