待验证50% 置信事实精确时间
DecisionRank 通过物品空间在线策略蒸馏（On-Policy Distillation, OPD）将生成式 LLM 的排序知识迁移到决策模型，并在多个检索基准上取得了领先效果。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证On-policy distillation（OPD）是一种知识蒸馏变体，训练数据由学生模型在当前参数下实时生成，教师模型对自生成回答逐token提供概率分布作为监督信号。73% 相似待验证决策路由是有状态感知的，每个请求内容都会发送给决策服务动态评估最适合的候选模型70% 相似待验证决策模型通常基于强化学习或基于偏好的优化方法，直接以在环境中选取最优动作为优化目标，而 LLM 以语言预测为核心任务，决策能力是涌现的副产品70% 相似待验证预判重排序、信息抽取、内容审核是下一批被「解绑」的面向 LLM 的工作负载，会出现专用小模型替代通用大模型并形成价格竞争。69% 相似待验证Typed Decisions 基准是一个结构化、概率化的分类基准，专门衡量模型在多维度分类任务中做出校准决策的能力。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125718API
curl https://kongchang.com/api/v1/knowledge/claims/1125718MCP
get_claim(id=1125718)