יום חמישי, 8 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.LG ·

העברת למידה מרובת מורים

Composing What Each Teacher Learned: Multi-Teacher On-Policy Distillation through Teacher-Relative Shifts
חוקרים מציגים שיטה חדשה להעברת למידה מרובת מורים, המאפשרת למודלים ללמוד ממורים שונים. השיטה מבוססת על העברת השינויים שחלו במורים, ולא על העברת המדיניות הסופית. התוצאות מראות שהשיטה החדשה משפרת את הביצועים של המודלים.
תקציר מקורי באנגליתarXiv:2610.10460v1 Announce Type: new Abstract: Multi-teacher on-policy distillation (MOPD) is used in two settings. In common-domain composition, several teachers score each student rollout from one prompt domain and their signals form a single target; in routed-domain distillation, prompts from different domains are assigned to the corresponding specialist. Both settings usually transfer each teacher's endpoint policy, which mixes what post-training changed with preferences inherited from the teacher's base. We introduce $\Delta$-MOPD, which transfers each teacher's teacher-minus-base logit shift re-anchored at the student's frozen initialization, and compare it with endpoint supervision in both settings while holding teacher selection fixed. We first expose the mechanism that impedes en
קרא במקור המקורי