概念Omni-domain Policy Distillation / 全域策略蒸馏
OPD
一种多教师知识蒸馏训练技术，同时引入多个在不同领域各有专精的教师模型，让小模型在单次训练中融合多条能力主线，显著提升单位参数的能力密度
时间轴 (近 90 天)
9月16日
OpenBMB采用强化学习结合OPD（全域策略蒸馏）的方式，把16个专家模型（含5个agent专家）的能力合并进MiniCPM5-2B
待验证50%
一种多教师知识蒸馏训练技术，同时引入多个在不同领域各有专精的教师模型，让小模型在单次训练中融合多条能力主线，显著提升单位参数的能力密度
OpenBMB采用强化学习结合OPD（全域策略蒸馏）的方式，把16个专家模型（含5个agent专家）的能力合并进MiniCPM5-2B