待验证50% 置信观点精确时间

论文指出蒸馏效果的天花板不仅由教师参数规模决定，更由监督信号在分布边缘处的质量决定

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

相关事实

待验证特权信息对 critic 价值预测准确度在响应末尾更强，而自教师引导信号呈现开头强、中间衰减、结尾回升的模式。69% 相似待验证On-policy蒸馏在学生自身生成的轨迹上施加教师监督，能更好应对exposure bias问题69% 相似待验证Imprinting的强度因教师-学生对而异，且不会均匀扩展到所有形式的安全行为上，表明行为传递具有选择性和条件依赖性。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1037926

API

curl https://kongchang.com/api/v1/knowledge/claims/1037926

MCP

get_claim(id=1037926)