研究对比SFT与RL教师对OPD模型合并的影响
热点事件持续更新
研究对比SFT与RL教师对OPD模型合并的影响
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
Jingyuan Huang等作者发表研究，在Agentic、Reasoning和Perception三类任务上，对监督微调（SFT）与强化学习（RL）训练的教师模型做受控的单教师对比，考察哪种训练算法产出的教师更适合on-policy distillation（OPD）模型合并。教师模型与学生模型均基于Qwen3.5-9B初始化。报道未给出对比结论。
AI 根据报道生成 · 52 分钟前更新
最新进展10月26日 12:00
Train4Merge：RL 还是 SFT——哪种训练算法能为基于 OPD 的模型合并产出更好的教师模型？报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AITrain4Merge：RL 还是 SFT——哪种训练算法能为基于 OPD 的模型合并产出更好的教师模型？
研究对比了 SFT 与 RL 训练的教师模型在 on-policy distillation（OPD）模型合并中的表现，教师与学生均基于 Qwen3.5-9B 初始化。
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。