实体 1-shot OPD

1-shot OPD

PulseAugur coverage of 1-shot OPD — every cluster mentioning 1-shot OPD across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_239257 · Sep 7 · 04:00

策略内蒸馏：困难示例可提升大型语言模型的推理能力

一篇新论文探讨了在策略内蒸馏（On-Policy Distillation, OPD）对于增强大型语言模型的有效性，特别关注数据效率和数据选择。研究发现，即使是单个示例（1-shot OPD）也可能有效，而更困难的示例通常能带来更优越的性能提升。研究表明，这种改进源于复杂问题中更长的思维链（Chain-of-Thought, CoT）路径，这有助于保持与教师模型的对齐并教授批判性思维模式。基于这些发现，提出了一种仅使用困难示例的数据选…