Self-Distillation Policy Optimization (SDPO)

引用本概念的论文(1)

• 更密集≠更好：持续后训练中在线自蒸馏的局限性 Denser $\neq$ Better: Limits of On-Policy Self-Distillation for Continual Post-Training arXiv 2607.01763

共现相关概念

在引用本概念的论文中,与下列概念同时出现的次数(降序)。