热点事件观察中
VASPO模型优化自蒸馏策略
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
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。
AI 根据报道生成 · 7 小时前更新
最新进展10月14日 04:00
VASPO模型在数学基准测试中实现了显著的推理准确性提升。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face Daily PapersVASPO：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。
本事件热度走势
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。