已验证75% 置信事实精确时间

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

3

来源数

75%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

在线策略蒸馏中的提示广度与响应刷新交互效应研究

涉及实体

On-Policy Distillationconcept

相关事实

待验证教师-学生蒸馏框架先训练可访问完整环境信息的教师策略，再蒸馏到仅依赖机载传感器的学生策略中以实现真实硬件部署71% 相似待验证DINOv2的核心训练策略基于自蒸馏，模型同时维护教师网络和学生网络，学生网络通过预测教师网络对同一图像不同裁剪视角的输出来学习特征表示71% 相似待验证行为克隆将策略学习转化为监督学习问题，以环境状态为输入、专家动作为标签，训练从状态到动作的映射函数70% 相似已验证自监督学习是预训练阶段的核心范式，模型通过下一个词预测任务从数据本身构造训练信号68% 相似待验证在线适应方法借助元学习或快速微调机制，使策略在部署初期即可根据真实环境反馈动态调整68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942905

API

curl https://kongchang.com/api/v1/knowledge/claims/942905

MCP

get_claim(id=942905)