技术
on-policy distillation（同策略蒸馏）
一种知识蒸馏技术，通过在线策略数据将教师模型知识迁移到学生模型，提升强化学习效率。
详细解释
在强化学习中，on-policy distillation利用当前策略（学生）与环境交互产生的数据，同时训练学生模仿教师的行为或价值输出。相比off-policy，它更稳定，但样本效率较低。常用于压缩模型、加速训练，或从复杂教师（如集成模型）中学习。
别名与相关写法
on-policy distillation
相关术语
相关公司
相关资讯
研究：最小编辑在线蒸馏提升多模态推理感知能力2026/10/23
STI-OPD：多轮智能体在线策略蒸馏新框架2026/10/9
LoopOPD：循环语言模型跨循环在线策略蒸馏2026/10/9
研究：在线策略蒸馏传技能不传知识2026/10/8
OnlineQAT：超低位宽 LLM 的在线策略蒸馏2026/10/8
GraphOPD：图增强在线策略蒸馏 LLM 智能体2026/10/8
Latent-MOPD：表示级多教师在线策略蒸馏2026/10/5