arXiv ID:
2607.07050
arXiv 提交日期: 2026-07-08
多教师在线策略蒸馏中的行为杠杆不平衡 / Behavior Leverage Imbalance in Multi-Teacher On-Policy Distillation
1️⃣ 一句话总结
本文揭示了在多教师在线策略蒸馏训练工具调用型语言模型时,模型会因特定位置(如