提出 Relay-OPD,通过检测 student 推理失败点并让 teacher 短暂接管纠正,在8个数学推理基准上超越标准 OPD 和 FastOPD,平均提升5.73%和1.49%,训练轨迹长度减少超过50%。
机构:阿里
来源:arXiv 2607.26057 | 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