待验证50% 置信解决方案精确时间
物品空间 OPD 的核心设计是：将学生模型输出的文档分数排序成 ranked sequence，然后将该列表作为输入喂给生成式教师模型，教师基于该列表提供条件反馈来直接监督学生模型的分数。
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IDM通过固定的物品到编码的映射关系，将学生模型各编码位置的概率组合成物品的联合概率，从而重建目录级的物品分布，并与教师模型的物品分布对齐。68% 相似待验证在线策略蒸馏（OPD）让学生模型自己生成轨迹，再由教师模型在这些轨迹上提供监督信号67% 相似待验证ABACUS团队用Kev实例化框架：教师模型负责规划推理步骤并生成程序代码，冻结的判断模型作为语义执行器对每个步骤的候选答案打分。63% 相似待验证ASTEROID 的学生模型行为被专家标签引导至近似贝叶斯后验采样的模式：在信息不足时选择能区分不同隐藏状态的动作，在信息充分时直接利用。62% 相似待验证在学习机场景中，文心大模型被用于解析题目、生成分步讲解，并根据孩子的追问调整回答。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125720API
curl https://kongchang.com/api/v1/knowledge/claims/1125720MCP
get_claim(id=1125720)