RL教师比SFT教师更适合模型合并蒸馏
原文标题：Train4Merge: A Controlled Single-Teacher Study of RL vs. SFT Teachers for OPD-Based Model Merging
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究对比了在策略蒸馏（OPD）中，用强化学习（RL）还是监督微调（SFT）训练领域专家作为教师的效果。在Agentic、推理、感知三类任务上，RL引导的学生分别比SFT引导高出4.27、1.50、0.86个百分点，Agentic任务中甚至超越教师本身。分析认为RL教师在参数空间上更接近共享初始化，因而更易被学生跟随。
- 问题
- 在策略蒸馏中，用 SFT 还是 RL 训练领域专家当教师更好，此前少有人验证。
- 方法
- 从共享检查点分别用 SFT 与 RL 训练同水平教师，再做受控单教师 OPD 对比学生表现。
- 结果
- RL 引导学生在 Agentic、Reasoning、Perception 上分别高出 4.27、1.50、0.86 个百分点，Agentic 中恢复教师增益 115% 超过教师
- 影响
- 做模型合并或多专家蒸馏时，优先用 RL 教师能让学生更易跟随。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。