1 published article
同策略蒸馏 | 将 EOPD 与 ToDi 归入同一家族
一个用于在同策略蒸馏中对逐 token 损失进行门控的四系数家族，在 36 个单元中有 33 个优于单通道基线。作者随后将自己统计出的计数称为方向性证据，并称其三次种子重复实验不显著。
2026-09-20