Seg-OPD：分段在线策略蒸馏修正推理
原文标题：Learning to Revise Reasoning with Segment-wise 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token级在线策略蒸馏无法提供连贯的替代推理步骤、且在退化前缀上会强化错误模式的问题，提出分段在线策略蒸馏Seg-OPD：基于不确定性指标选择学生片段并获取教师重写，训练学生偏好教师重写同时保留token级监督。在数学推理与竞赛编程任务上平均相对提升5.22%。
- 问题
- token级在线策略蒸馏无法给出连贯的替代推理步骤，且在退化前缀上强化错误。
- 方法
- 按不确定性选择学生片段并获取教师重写，训练学生偏好重写同时保留token级监督。
- 结果
- 数学推理与竞赛编程任务上平均相对提升5.22%。
- 影响
- 为推理模型蒸馏提供更稳的训练信号，减少错误前缀的累积。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Seg-OPD用教师重写学生推理片段做监督，数学与竞赛编程平均相对提升5.22%。
- •指出token级在线策略蒸馏不提供连贯替代推理步骤，且在退化前缀上会强化错误模式
- •通过受控推理干预发现：用教师重写替换学生片段可提升后续推理准确率
- •方法基于不确定性指标选择学生片段并获取教师重写，训练学生偏好重写同时保留token级监督
- •在数学推理与竞赛编程任务上平均相对提升5.22%
- •Seg-OPD训练的学生修正成功率高于基线
为什么重要：它把「改错步骤」而非「逐token模仿」作为蒸馏目标，为推理模型的在线蒸馏提供了一条更抗退化前缀的路径。
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。