LSPD：最小二乘策略蒸馏提升LLM推理效率

2026年9月28日，HuggingFace Daily Papers收录一篇社区热门论文，研究者从强化学习视角重新审视 on-policy distillation（OPD），提出 Least-Square Policy Distillation（LSPD）框架。该工作将价值型强化学习中的乐观探索与 off-policy 数据复用引入策略蒸馏，目标是实现面向样本高效的大语言模型推理。目前报道仅介绍该框架的提出思路与定位，未披露具体实验数据或效果对比。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。