**CriticOPD：通过批判引导提升在策略蒸馏的可靠性**

_Recovering Reliable Supervision via Critique-Guided On-Policy Distillation_

> 研究发现在策略蒸馏（OPD）中，教师模型往往会跟随学生的错误路径。新提出的 CriticOPD 方法通过引入错误识别机制，让教师对错误路径进行评价，引导学生模型修正错误。实验显示，该方法在数学推理任务中显著提升了模型表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20572)