PulseAugur
中
实时 09:18:55
实体 Trust Region Policy Distillation

Trust Region Policy Distillation

PulseAugur coverage of Trust Region Policy Distillation — every cluster mentioning Trust Region Policy 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_128942 ·

    新的TOP-D方法稳定AI数学推理训练

    研究人员推出了一种名为Trust Region Policy Distillation (TOP-D)的新颖方法，通过创建一个动态的近端教师来稳定on-policy distillation (OPD)的训练。该方法具有理论基础，提供了正式的全局收敛分析和单调改进界限，以确保可靠的训练动态。在实践中，TOP-D在数学推理任务的训练稳定性、样本效率和性能方面均取得了显著改进，且没有引入额外的计算开销。