Une étude suggère que la distillation on-policy repondère les caractéristiques existantes de l’élève
1 sourcemis à jour 30 sept.pertinence 3,2 sur5
L’essentiel
Dans trois configurations, elle ne crée pas de caractéristiques et ne transmet pas celles du professeur, selon l’étude. Elle laisse à moins de 20 % près les taux d’activation de plus de 98 % des caractéristiques fréquemment utilisées.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZichao Yu, Qianshuo Ye, Xu Wang et al.huggingface.co
Understanding On-Policy Distillation: A Mechanistic Interpretability Perspective via Sparse Crosscoders (site externe)
On-policy distillation (OPD) is a widely adopted post-training technique for LLM reasoning. It is commonly believed to transfer knowledge from a stronger teacher, yet what OPD actually distills into the student’s internal representations remains unclear.
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