本文提出边际优势累积(MAA)方法,通过构建跨批次的操作级证据累积机制解决批处理式轨迹蒸馏中的矛盾反馈问题,在多个基准测试中取得最佳结果并大幅降低优化阶段的token消耗。
机构:阿里
来源:arXiv 2606.20475 | AI4Papers 论文推荐平台