待验证50% 置信事实精确时间
Stochastic Horizons On-Policy Distillation(SH-OPD)是一种改进的 on-policy 蒸馏方法,其核心思路是随机变化 rollout 的视野长度,在保留对深层响应状态访问的同时减少对冗余位置的监督。
1
来源数
50%
置信度
长期有效
时效性
2026/11/17
首次发现
来源
涉及实体
相关事实
待验证OC-OPD是一种on-policy蒸馏方法,用四观测矩阵协调前向KL与反向KL的梯度,避免手工权重搜索。62% 相似待验证SAPD将多轮轨迹分解为独立的决策上下文,用于同策略蒸馏(on-policy distillation)。59% 相似待验证ATI-OPD的动态干预与静态截断有本质区别:它保留了长序列推理的连续性,同时避免错误前缀对后续学习的污染。59% 相似待验证Waypoint-OPD可以看作把'多步差分'(类似GAE中降低单步估计方差的思想)引入跨模型蒸馏中,用中间检查点检验偏移方向的稳定性。58% 相似待验证桩(Stub)是在测试或沙箱环境中用来替代真实外部依赖的简化实现,可以预设返回值、模拟超时或错误响应,行为完全可重复。58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1179761API
curl https://kongchang.com/api/v1/knowledge/claims/1179761MCP
get_claim(id=1179761)