研究人员开发了蒙特卡洛特权蒸馏(MCPD),这是一种用于AI推理的在线策略自蒸馏(OPSD)的新方法。传统的OPSD方法可能对训练过程中使用的特定参考解决方案过于敏感,导致不稳定。MCPD通过将特权上下文建模为部分参考视图上的分布来解决这个问题,蒸馏出边际教师分布。这种方法在多个视图上对教师的下一个标记分布进行平均,与标准的OPSD相比,在数学和科学推理基准测试中获得了更一致的监督和更高的性能。 AI
影响 这项研究通过改进复杂任务的训练过程,有可能带来更强大、更可靠的AI推理能力。
排序理由 该集群包含一篇详细介绍AI模型训练新方法的学术论文。[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 →