PulseAugur
中
实时 04:58:33
实体 On-Policy Power Distillation

On-Policy Power Distillation

PulseAugur coverage of On-Policy Power Distillation — every cluster mentioning On-Policy Power Distillation across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_283737 ·

    新AI训练方法无需参数调整即可提升模型推理能力

    研究人员开发了一种名为On-Policy Power Distillation (OPPD) 的新颖方法，用于训练语言模型以提高其推理能力，而无需外部评分或参数更改。OPPD直接训练模型生成更优化的答案，有效地将概率转移到模型最可能正确的响应上。该技术在MATH500、GSM8K和HumanEval等多个基准测试中显示出显著的准确性提升，优于GRPO等现有方法，并取得了与广泛候选采样相当的收益。