实时
新模型发布提升推理性能
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
- Hugging Face Daily PapersOrder-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。