VASPO模型优化自蒸馏策略

1. 04:00
   Hugging Face Daily Papers

   VASPO：结合特权价值估计的自蒸馏策略优化

   VASPO模型通过结合自教师和评论家在PPO中，利用token级别的优势与有界概率比相结合，在数学基准测试中提升了推理准确性。在六个数学推理基准测试中，VASPO在Qwen3-4B和OLMo3-7B变体上分别将PPO的平均准确性提高了2.59和1.81个百分点，并在Knights and Knaves上实现了所有评估方法中最高的平均准确性。

当前热度 3·可比范围峰值 3（10月15日 22:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。