待验证50% 置信事实精确时间

Token级监督指教师对序列中每个token位置给出分布或标签，学生通过最小化与教师分布的差异（如KL散度）来学习

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

Token级监督concept KL散度concept

相关事实

待验证监督学习包含分类（离散标签）和回归（连续标签）两大子任务66% 相似待验证现有少步蒸馏方法大致分为两类：一类依赖额外的 score 模型来估计教师分布，另一类引入对抗损失来拉近学生与教师的输出分布。66% 相似待验证SeTPO仅对低奖励轨迹引入教师信号，利用反向KL散度导出token级别的教师反馈，并将其融入策略优势函数。63% 相似已验证布鲁姆教育目标分类学将认知能力从低到高分为六个层次：记忆、理解、应用、分析、评估和创造61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1037917

API

curl https://kongchang.com/api/v1/knowledge/claims/1037917

MCP

get_claim(id=1037917)