Skip to content
简体中文

切换主题

arXiv 2609.35259 · cs.LG · 2026-09-28

On-Policy or Off-Policy Learning? A Systematic Study of Distillation Dynamics

Julianna Piskorz, Antonin Berthon, Mihaela van der Schaar

University of Cambridge

在最新榜 #77 本站收录于 2026-10-21

一句话要点

在受控实验中分离 on-policy 与 off-policy 蒸馏的作用,发现结论比“on-policy 总更好”复杂。

A controlled study isolating on- vs off-policy rollouts in distillation, finding a more nuanced picture than 'on-policy is always better'.

205HF 点赞
–GitHub stars
1引用(Semantic Scholar)
62.1热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)