AI星际引擎AI STARSHIP
2026.11.08 星期日
第 94 期
主题 · 策略优化

策略优化

1 条
  1. 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