SR-OPD：成功参照的在线策略蒸馏
原文标题：Spend Teacher Tokens Where They Matter: Success-Referenced On-Policy Distillation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对在线策略蒸馏（OPD）需为每条rollout提供教师监督、计算开销大的问题，提出SR-OPD：当同一提示下学生既有成功又有失败rollout时，以成功rollout为参照优先选择隐状态轨迹持续偏离的失败样本进行监督。在六个数学推理基准上仅用原方法3.46-5.02%的教师输入token即保持相当性能。
- 问题
- 在线策略蒸馏需为每条rollout提供教师监督，教师计算开销过大。
- 方法
- 同一提示下学生有成功与失败rollout时，以成功轨迹为参照，优先监督隐状态持续偏离的失败样本。
- 结果
- 六个数学推理基准上仅用原方法3.46-5.02%的教师输入token，性能相当。
- 影响
- 固定教师预算下可把监督花在最需要的失败样本上，显著降低蒸馏成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SR-OPD仅用原方法3.46-5.02%的教师输入token，在六个数学推理基准上保持相当性能。
- •针对在线策略蒸馏需为每条rollout提供教师监督、计算开销大的问题
- •当同一提示下学生既有成功又有失败rollout时，以成功rollout作为失败样本的天然参照
- •优先选择隐状态轨迹相对成功参照持续偏离的失败rollout，并计入估计的教师输入成本
- •在三个师生对、六个数学推理基准上，单次设置下仅用Vanilla OPD教师输入token的3.46-5.02%
- •在匹配Vanilla OPD教师输入预算5%的受控设置下，实验支持两个关键设计选择
为什么重要：它说明学生自身的成功行为可作为分配教师监督的参照，在固定教师预算下显著降低蒸馏成本。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。