arXiv 论文提出 Semi-OPD：离线学生轨迹蒸馏常优于在线策略蒸馏
原文标题：When Do We Need On-Policy Distillation? Distilling on Offline Student Rollouts Is Often Better
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。
一篇新 arXiv 论文质疑在线策略蒸馏（OPD）是否总优于其他方案，提出 Semi-OPD——用初始学生模型生成的离线轨迹进行蒸馏。在 17 组师生模型对（1.5B 至 235B 参数）中，Semi-OPD 在 14 组上优于 OPD，最高提升 13.6% 准确率并实现 11.4 倍训练加速。研究指出 OPD 仅在师生高度对齐（输出 token 重叠率高）时才有优势，为蒸馏策略选择提供了新依据。
- 问题
- 在线策略蒸馏是否总优于其他蒸馏方案存疑。
- 方法
- 提出Semi-OPD，用初始学生模型生成的离线轨迹进行蒸馏。
- 结果
- 17组师生对中14组优于OPD，最高提升13.6%准确率并实现11.4倍训练加速。
- 影响
- 为蒸馏策略选择提供新依据，师生不对齐时离线轨迹更高效稳定。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Semi-OPD在17组师生对中14组胜过在线蒸馏，最高+13.6%且训练快11.4倍
- •Semi-OPD用初始学生生成的离线轨迹做蒸馏，而非在线策略采样
- •17组师生模型对（1.5B至235B）中，Semi-OPD在14组优于OPD
- •最高提升13.6%准确率，并实现11.4倍训练加速
- •OPD仅在师生高度对齐（输出token重叠率高）时才有优势
- •错配时学生轨迹随上下文变长对教师越来越off-policy，削弱蒸馏信号
为什么重要：直接挑战「在线策略蒸馏总是更好」的默认假设，给出按师生对齐度选蒸馏策略的可操作判据。
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。