DecisionRank：用在线策略蒸馏训练决策模型重排器

Yanran Wu 等作者提出 DecisionRank，一种通过 item-space 在线策略蒸馏（OPD）训练的决策模型重排器。其做法是：把学生模型输出的文档分数排序成列表，再由生成式教师模型对这些分数提供条件反馈，直接监督学生模型。 据作者称，这一方法旨在把生成式 LLM 的排序知识迁移到决策模型。报道未给出该方法与其他重排方法的对比结果或实际效果数据。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。