[控场AI]
待验证50% 置信基准精确时间

SPTA在数学推理基准上取得了优于标准OPD和任务级RLVR适应老师的效果。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1

来源

SPTA：让学生前缀教会老师如何指导
rss2026/11/2

涉及实体

SPTAconceptOn-Policy DistillationconceptRLVRconcept

相关事实

待验证SPTA的两阶段流程相对轻量，只需在OPD前增加一轮前缀收集与RLVR训练，具备工程可行性。70% 相似待验证SPTA不改变蒸馏目标本身，仅通过教师适应提升监督信号可靠性。66% 相似待验证JOLT在MATH上的准确率绝对值、与GRPO打平时的模型规模、6.5倍token缩减是否以更多训练步数或更复杂教师训练阶段为代价、以及共享参数下是否存在能力退化或模式坍塌风险，均为尚待回答的开放问题。65% 相似待验证FOAM优化器与自适应学习率相关。64% 相似待验证任务级RLVR虽然提升了老师的独立解题能力，但没有解决教师-学生间的分布错配问题。63% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1130761
API
curl https://kongchang.com/api/v1/knowledge/claims/1130761
MCP
get_claim(id=1130761)