研究人员推出了一种名为混合提议在线策略蒸馏（MPOPD）的新技术，以增强语言模型的训练后性能。MPOPD解决了现有在线策略蒸馏（OPD）方法中的一个关键限制，即固定的推出策略可能导致师生匹配不当并放大不理想的学生行为。通过将推出策略视为优化目标，并推导出以学生为锚定、以教师为指导的分布，MPOPD旨在提供更有效的监督。实验表明，MPOPD在包括数学和知识领域在内的各种推理基准上持续提高性能，同时还缩短了生成长度。 AI
影响 这项新的蒸馏技术可以更有效、更高效地训练语言模型，从而可能提高在复杂推理任务上的性能。
排序理由 一篇提出语言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 →
