研究 HuggingFace Daily Papers 2026-06-12

符号门控在线策略蒸馏：基于符号一致性门控与阶段性教师采样

通过引入二元验证器过滤教师信号，SG-OPD 在标准在线策略蒸馏基础上提升了数学推理任务的表现。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。