[控场AI]
待验证50% 置信事实精确时间

Steered-Teacher OPSD（ST-OPSD）通过激活引导技术同时缓解参考幻觉与 reconsideration 抑制两种失败模式。

1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现

来源

用激活引导改进思维模型在线自蒸馏
rss2026/10/25

涉及实体

ST-OPSDmodelactivation steeringconcept

相关事实

待验证实验结果表明，SAPD在不同教师配置下均能提升性能，相比SFT有效缓解了灾难性遗忘。69% 相似待验证OPRD的设计思路是训练时给予提醒信号，推理时完全撤掉提醒，让学生模型最终学会在没有提醒的条件下独立完成长周期任务。68% 相似待验证RM-OPD的关键机制是在学生自己生成的critique上施加token级密集监督，使监督分布与学生当前策略分布一致，缓解训练与推理分布错配问题。67% 相似已验证在线策略蒸馏（OPD）让学生模型自己生成训练响应，再由教师模型提供监督信号63% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1102389
API
curl https://kongchang.com/api/v1/knowledge/claims/1102389
MCP
get_claim(id=1102389)