**DiffGate:基于难度门控的教师引导策略优化在线策略蒸馏** _DiffGate: Difficulty-Gated Teacher Guidance
原帖
**DiffGate:基于难度门控的教师引导策略优化在线策略蒸馏**
_DiffGate: Difficulty-Gated Teacher Guidance for On-Policy Distillation_
> 针对在线策略蒸馏(OPD)缺乏结果级监督及强化学习(RLVR)奖励稀疏的问题,提出DiffGate方法。该方法结合GRPO与选择性教师引导,仅对失败轨迹应用由组难度缩放的有界教师信号,以平衡密集局部指导与任务成功监督。实验显示,在Qwen3模型上,DiffGate显著提升了代码和数学任务的pass@8指标,增强了模型解题覆盖率。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.04596)