S²D-OPD ne supervise que 10 % des états les plus divergents dans la distillation Direct-OPD
1 sourcemis à jour il y a 6 jpertinence 3,2 sur5
L’essentiel
Les états sont classés selon la divergence de Jensen-Shannon entre l’enseignant et la référence. Sur quatre modèles étudiants de 1,7 à 8 milliards de paramètres, la méthode améliore l’exactitude sur AIME et HMMT dans sept cas sur huit.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYibo Zhao, Zixuan Yang, Yunshi Lan et al.huggingface.co
Not Every Token Is Worth Distilling: Selective Supervision for Direct-OPD (site externe)
S²D-OPD identifies that dense Direct-OPD supervision can include low-value states and proposes divergence-based selective supervision, achieving better reasoning transfer with only 10% retained states.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5