AI星际引擎
AI STARSHIP
首页
动态
博客
播客
论文
学习
关于
墨
纸
2026.11.08 星期日
第
94
期
主题 · 策略优化
策略优化
1 条
01
CoRD:耦合rollout填补策略蒸馏中的盲区
提出CoRD方法,通过教师-学生分布耦合采样,解决on-policy蒸馏中学生未覆盖状态缺乏监督的问题。
arxiv.org
·
arXiv
·
3天前
模型蒸馏
强化学习
策略优化