待验证50% 置信解决方案精确时间

团队通过强化学习（GSPO）、On-Policy Distillation 及 ThinkingCap 3.6 27B 适配器分块将准确率损失恢复到 1% 以内，并将 On-Policy Distillation 视为关键

1

来源数

50%

置信度

长期有效

时效性

2026/9/14

首次发现

来源

Swift-Qwen3.8-27B：削减58%思考token，推理速度翻倍

涉及实体

UkisAIcompany On-Policy Distillationconcept GSPOconcept

相关事实

待验证根据官方在 WANDR 基准测试上的数据，Grok 4.6 位于性能与效率的帕累托前沿62% 相似待验证在 GSM8K 基准上，标准思维链准确率约为 56%-63%（GPT-3 规模），PAL 可提升至 72% 以上60% 相似待验证EmsyAI使用FP16混合精度训练了15000步，验证困惑度收敛到5.8659% 相似待验证基于尾调用的字节码分发在某些基准测试中可带来 5-15% 的性能提升59% 相似待验证开发者最终选择KL散度最低（0.028）的变体，GSM8K下降1.83%，MMLU保持不变，HarmBench合规率从30.8%提升至100%58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/920996

API

curl https://kongchang.com/api/v1/knowledge/claims/920996

MCP

get_claim(id=920996)