跳到正文
实时
热点事件历史事件

新模型发布提升推理性能

1 篇报道1 个报道来源16 天前更新

先了解这件事

AI 综述

Order-Only On-Policy Distillation (O^{3}PD) 发布,训练学生模型匹配教师模型的 token 排序而非概率,在 HMMT25、AIME24 和 AIME25 上平均优于 OPD 2.9 分,AIME25 提升 5.6 分。该技术无需温度调校且不受教师模型温度影响。

AI 根据报道生成 · 更新于 15 天前

最新进展11月3日 08:00
Order-Only On-Policy Distillation 发布

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. Hugging Face Daily Papers
    Order-Only On-Policy Distillation 发布

    Order-Only On-Policy Distillation (O^{3}PD) 训练学生模型匹配教师模型的 token 排序而非概率,在 HMMT25、AIME24 和 AIME25 上平均优于 OPD 2.9 分,AIME25 提升 5.6 分。该技术无需温度调校且不受教师模型温度影响。