研究人员开发了新的在线蒸馏(OPD)方法来改进语言模型的训练。其中一种方法,教师门控在线蒸馏(TGOPD),在应用监督之前,在提示级别验证教师的可靠性,在各种领域和规模上均优于普通OPD。另一种方法将离线教师优化与在线学生蒸馏相结合,显示出显著的收益,尤其是在分布变化下,并取得了与更大模型相媲美的性能。 AI
影响 这些蒸馏技术可能导致更高效地训练更小、高性能的语言模型,从而提升部署能力。
排序理由 arXiv上发表了两篇研究论文,详细介绍了语言模型训练中在线蒸馏的新方法。
- Grpo
- Hugging Face
- LLM Judge
- MAIR-11
- MAIR-Full
- Ranknet
- Vignesh Prabhakar
- On-Policy Distillation
- Teacher-Gated On-Policy Distillation
- TGOPD
- Vanilla OPD
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →