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
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程