协同进化策略蒸馏：统一文本、图像与视频推理
深度2026年5月5日22 分钟阅读
本文发现混合强化学习会因能力间冲突导致性能下降，而先训练专家再蒸馏则因师生行为模式差异而难以充分吸收专家能力。CoPD通过专家并行训练与双向在线蒸馏实现了多模型能力的无缝融合，值得关注后训练扩展的研究者阅读。
本文编译自 Co-Evolving Policy Distillation，版权归原作者所有。
觉得有用？分享给更多人
相关文章
软件工程师的核心工作正从编写代码转向构建和管理上下文（Context）。Patrick Debois认为，开发者应停止修正AI生成的代码，转而改进支撑智能体的系统。上下文开发生命周期正在取代传统软件开发生命周期，而执行框架（Harness）工程将成为下一阶段的关键。
深度The New Stack·7月25日·5 分钟
Claude Opus 5 在官方基准上接近但略低于 Fable，但独立评测显示其性能更强、成本更低。用户反馈称赞其编码和浏览器控制能力，但基准测试的不一致性引发了对评估方法的讨论。
深度Latent Space·7月25日·6 分钟