**DuoOPD:基于师生联合结果的多任务在线策略蒸馏** _DuoOPD: Learning from Joint Teacher-Student Outc
原帖
**DuoOPD:基于师生联合结果的多任务在线策略蒸馏**
_DuoOPD: Learning from Joint Teacher-Student Outcomes for Multi-Task On-Policy Distillation_
> 针对在线策略蒸馏(OPD)中教师模型可能出错且忽略学生正确率的问题,提出DuoOPD方法。该方法利用学生结果决定反馈方向,并通过师生联合结果决定教师支持方式:仅教师成功时提供验证答案作为上下文,仅学生成功时强化整体响应。在Qwen3和Llama模型上,DuoOPD平均宏准确率分别比OPD提升2.58和5.98个百分点,并在科学计算、指令遵循及代码生成等混合任务中表现领先。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.33711)