HuggingFace Daily Papers（社区热门论文）·2026-09-27 08:00· 4 天前AI 评分34

DuoOPD：用师生联合结果做多任务在线策略蒸馏

DuoOPD: Learning from Joint Teacher-Student Outcomes for Multi-Task On-Policy Distillation

AI 导读

DuoOPD 提出一种多任务在线策略蒸馏方法，由学生结果决定反馈方向、师生联合结果决定教师如何支持：仅教师答对时用其答案作为评分上下文，仅学生答对时按任务内共享权重强化整段回答。