Laboratoires & Recherche4 min read
Distillation on-policy | Réunir EOPD et ToDi dans une même famille
Un résultat de 33 sur 36, publié avec l'astérisque des auteurs eux-mêmes
Une famille à quatre coefficients pour pondérer les pertes par token en distillation on-policy dépasse les références à canal unique dans 33 des 36 cellules. Les auteurs qualifient ensuite leurs propres décomptes de preuves directionnelles et leurs réplications à trois graines de non significatives.
2026-09-20