DTDD：分歧触发的动态蒸馏实现可靠同策略监督
原文标题：DTDD: Divergence-Triggered Dynamic Distillation for Reliable On-Policy Supervision
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。
论文提出分歧触发动态蒸馏（DTDD），利用片段级学生-教师分歧在训练中触发教师接管，学生前缀继续接受标准 OPD 监督，教师生成恢复后缀供行为克隆学习。DTDD 将预热后峰值梯度范数降低 8.6 倍，在 ALFWorld 上分别提升 4.8 和 4.1 个百分点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DTDD 用分歧触发教师接管，预热后峰值梯度范数降 8.6 倍。
- •DTDD 用片段级学生-教师分歧触发教师接管，学生前缀继续接受标准 OPD 监督。
- •教师生成恢复后缀，学生通过交叉熵行为克隆学习该后缀。
- •预热后峰值梯度范数降低 8.6 倍；从基础初始化出发，以 2.6 倍更少的优化器更新达到 21.3% 留出数学准确率。
- •在 ALFWorld 上，LoRA 与智能体代码两种设置分别提升 4.8 和 4.1 个百分点。
- •消融显示片段平均触发优于 token 尖峰触发，行为克隆比替代方案更有效。
为什么重要：同策略蒸馏在长程推理与多轮工具使用中易因师生分歧失稳，这条给出了可复用的自适应干预方案。
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
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。