arXiv cs.LG· Yushu Wang, Renkai Yang, Jingcao Xu, Zili Geng, Haihong Tang, Yaohui Jin, Hao He·· 15 天前AI 评分34
GR-OPD：面向同策略蒸馏的组内相对序列信用分配机制
GR-OPD: Group-Relative Sequence Credit for On-Policy Distillation
AI 导读
研究者提出 GR-OPD（Group-Relative On-Policy Distillation），将 token 级教师反馈聚合为校准后的序列级信用，以解耦反馈计算与信用分配。
来源：arXiv cs.LG · arxiv.org