Le filThèmes : RechercheÉvaluations
Des chercheurs proposent DCSD, une auto-distillation qui sépare la direction et l’amplitude du crédit
1 sourcemis à jour 29 sept.pertinence 3,2 sur5
L’essentiel
Sur 11 benchmarks, DCSD obtient les meilleurs scores globaux face à GRPO, OPSD, RLSD et RLCSD. Par rapport aux modèles de base, il gagne 8,45 points en raisonnement mathématique et 7,01 points en raisonnement multimodal.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYugu Li, Zehong Cao, Peizhen Li et al.huggingface.co
Can We Trust the Teacher? Decoupled Credit Direction-Magnitude for Self-Distillation (site externe)
RLVR provides reliable trajectory-level credit, while OPSD offers dense supervision for token-level credit.
Sur les mêmes thèmes
Recherche
NVIDIA affine Nemotron 3 et atteint le niveau or à l’IOI 2026 et à l’IMO 2026
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
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