VASPO：用特权价值估计做自蒸馏的策略优化
热点事件观察中
VASPO：用特权价值估计做自蒸馏的策略优化
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
论文作者提出 VASPO，一种把自教师与 critic 整合进 PPO 的自蒸馏策略优化方法，用 token 级优势和有界概率比提升推理能力。作者称，在六个数学推理基准上，VASPO 使 Qwen3-4B 和 OLMo3-7B 的平均准确率较 PPO 分别提升 2.59 和 1.81 个百分点，并在 Knights and Knaves 上取得所评估方法中的最高平均准确率。代码已在 GitHub 开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 04:00
VASPO：用特权价值估计做自蒸馏的策略优化方法报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- Hugging Face Daily PapersVASPO：用特权价值估计做自蒸馏的策略优化方法
VASPO 将自教师与 critic 整合进 PPO，用 token 级优势和有界概率比提升推理能力。在六个数学推理基准上，VASPO 使 Qwen3-4B 和 OLMo3-7B 的平均准确率较 PPO 分别提升 2.59 和 1.81 个百分点，并在 Knights and Knaves 上取得所评估方法中的最高平均准确率。代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。