PulseAugur
中
实时 14:02:26
实体 Outcome-Guided On-Policy Self-Distillation

Outcome-Guided On-Policy Self-Distillation

PulseAugur coverage of Outcome-Guided On-Policy Self-Distillation — every cluster mentioning Outcome-Guided On-Policy Self-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
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_323951 ·

    新FSPO框架提升LLM推理和工具使用准确性

    研究人员推出了一种新颖的框架——函数空间策略优化(FSPO),旨在提高语言模型的推理和工具使用准确性。FSPO整合了时间巩固和特权适应,减少了内存需求并优于现有方法。该框架将历史的下一个token分布存储为固定目标,实现了时间分离,无需持久的教师模型。这种方法在推理和工具使用基准测试中表现出卓越的性能,在有限的训练预算内实现了更高的准确性,并降低了峰值内存使用量。