advantage-fusion

#advantage-fusion

SAF-OPD：用于在线策略蒸馏的稳定优势融合

Hugging Face Daily Papers ↗ · 2026-07-31 缓存

SAF-OPD 引入了一种稳定优势融合框架，将 RLVR 与在线策略蒸馏相结合，解决了幅度失配和时间失配问题，从而提高了数学和代码基准测试中的训练稳定性与性能。

0 人收藏 0 人点赞