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
Fable 5 性能强劲但使用限制和成本引发争议。用户称赞其编程和推理能力超越 Opus 4.8，但抱怨使用额度快速耗尽、护栏频繁误判，以及不可选的数据留存政策。
深度The New Stack·6月10日·5 分钟
循环工程（Loop Engineering）是一种将编码代理从交互式助手转变为长期运行执行系统的编排模式。它利用调度、隔离工作区、验证代理和持久记忆等基础组件，让开发者从手动提示中解放出来。
深度The New Stack·6月10日·6 分钟