研究人员开发了一种名为“投影蒸馏”的新方法,以改进 AI 模型在所有尝试解决问题都失败的场景中的 on-policy 学习。该技术可以最小程度地编辑模型错误的尝试,将其转化为正确的靶点,从而在没有奖励信号的情况下也能进行学习。在 Qwen3-8B 和 OLMo-2-7B 模型在不同领域的实验表明,投影蒸馏在平衡专业化和保留能力方面,显著优于 GRPO、OPD、SPOT 和 SODA 等现有方法。 AI
影响 这种新方法可以使 AI 模型在复杂且易于失败的场景中更有效地学习,从而可能提高在编码和工具使用等领域的性能。
排序理由 该集群包含一篇详细介绍新 AI 学习技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →