热点事件持续更新
研究揭示同策略蒸馏泛化局限性并提出改进方案
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，arXiv cs.LG发布的研究揭示，同策略蒸馏（OPD及MOPD）在强化学习后的能力整合中存在泛化盲区，无法完全迁移教师模型的分布外泛化能力。基于Qwen3的评测显示，学生模型虽然达到了教师模型分布内分数的96.04%至102.73%，但分布外得分却比基座模型低2.45%至16.25%。针对教师能力受限与数据覆盖不足两大瓶颈，论文提出了基于几何修补（geometry-based patching）与基座保留重放（base-preserving replay）两种方案，以改善模型在分布外场景的表现。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
论文指出同策略蒸馏存在分布外泛化盲区，并提出两项改进方案。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.LG同策略蒸馏在强化学习后能力整合中的泛化局限性
同策略蒸馏（OPD 及 MOPD）在强化学习后能力整合中存在泛化盲区，无法完全迁移教师的分布外泛化能力。基于 Qwen3 的评测显示，模型虽达教师分布内分数的 96.04-102.73%，但分布外得分比基座模型低 2.45-16.25%。针对教师能力与数据覆盖瓶颈，论文提出 geometry-based patching 与 base-preserving replay 以改善分布外表现。
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。