待验证50% 置信事实精确时间

论文发现：当学生的轨迹走向错误方向时，教师不会纠正错误，反而会顺着学生的错误继续续写，即教师具备识别错误的能力但缺乏跳出错误的能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/15

首次发现

来源

CriticOPD：用批判引导纠正On-Policy蒸馏的监督失效

rss2026/10/14

涉及实体

On-policy distillationconcept

相关事实

已验证蒸馏训练的教师模型输出极少包含自我纠错示例，导致学生模型形成「强模型不犯错」的隐性信念，在校验失败时选择重复而非修正75% 相似待验证研究得出的可站得住脚的结论是：让学习者先尝试似乎改变了他们在答错后的行为，但并没有改变他们第一次就能答对的能力。72% 相似待验证许多开源模型继承教师模型的自信偏差，导致工具调用错误时不愿自我纠正71% 相似待验证该方法属于模仿学习中的行为克隆，其著名缺陷是复合误差问题69% 相似待验证论文《Trajectory as the Teacher》提出真正的瓶颈是轨迹本身而非学生模型69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1037916

API

curl https://kongchang.com/api/v1/knowledge/claims/1037916

MCP

get_claim(id=1037916)