理论分析:在线策略蒸馏目标如何影响学习顺序
热点事件持续更新
理论分析:在线策略蒸馏目标如何影响学习顺序
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Hubert Strauss、Liam Fowl 与 Noam Razin 发表理论分析,考察在线策略蒸馏(OPD)目标的选择如何决定 token 优先级、学习顺序与优化效率。 分析指出,序列级 OPD 存在“未来一致性偏差”,会先匹配教师模型靠后的 token 位置;token 级目标可避免这种反向学习顺序。在优化景观上,前向 KL 散度表现良好,而反向 KL 等其他 f-散度即使师生差距大也可能梯度消失。
AI 根据报道生成 · 58 分钟前更新
最新进展11月20日 13:00
哪些 token、以何顺序、多快?On-Policy 蒸馏目标的理论分析报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AI哪些 token、以何顺序、多快?On-Policy 蒸馏目标的理论分析
该研究从理论上分析了 on-policy 蒸馏(OPD)目标的选择如何决定 token 优先级、学习顺序与优化效率。序列级 OPD 存在"未来一致性偏差",会先匹配教师模型靠后的 token 位置,而 token 级目标可避免这一反向学习顺序;前向 KL 散度优化景观良好,反向 KL 等其他 f-散度即使师生差距大也可能梯度消失。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。