待验证50% 置信事实精确时间

在线策略蒸馏（OPD）让学生模型自己生成轨迹，再由教师模型在这些轨迹上提供监督信号

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

BranchOPD：用分支采样让在线策略蒸馏更高效

涉及实体

On-Policy Distillationconcept

相关事实

已验证本实验采用轨迹级蒸馏，属于行为克隆范畴，直接让学生模型模仿教师模型的外在行为序列76% 相似已验证离线蒸馏中训练数据由教师模型一次性生成并固定，学生模型在静态数据集上学习71% 相似已验证蒸馏技术让学生模型学习并复现教师的多步生成轨迹，将数百步的生成过程压缩到几步69% 相似待验证模型蒸馏是指通过大量查询目标模型、收集其输入输出对，进而训练出能力相近的学生模型69% 相似已验证模型蒸馏是一种将大型教师模型能力迁移到更小学生模型的技术，可能被用于扩散危险能力68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001130

API

curl https://kongchang.com/api/v1/knowledge/claims/1001130

MCP

get_claim(id=1001130)