待验证50% 置信事实精确时间
RCSD利用投机推理过程中自然产生的接受和拒绝序列构造隐式偏好对，作为强化学习中的偏好信号来优化草稿模型。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证RCSD（Reinforcement and Continual Learning for Domain-Specific Speculative Decoding）是一个将草稿模型优化与系统级目标（最大化接受长度）直接对齐的训练框架。71% 相似待验证行为克隆（BC）将模仿学习简化为监督学习，直接拟合条件概率分布p(a|s)，但存在复合误差与分布偏移问题69% 相似待验证RLCD通过构造正负样本对进行对比学习，结合强化学习信号蒸馏模型输出分布，在无需人工标注奖励的场景下具有优势68% 相似待验证用户的点赞、纠错、重试、改写等行为本质上是隐式偏好信号，能持续校准模型的输出分布66% 相似待验证通过迭代反馈不断修正假设的模式在认知科学中被称为'主动推断'，可避免仅凭单次观测的确认偏误66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084553API
curl https://kongchang.com/api/v1/knowledge/claims/1084553MCP
get_claim(id=1084553)