自蒸馏 LLM-DailyDigest 2026-08-11 2026-08-11 约 100 字 预计阅读 1 分钟 自蒸馏 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 代码仓库级技能 1 SkillForge：自蒸馏智能体学习项目知识以解决仓库问题 08-20 信用分配 1 TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏 10-19 协同演化 1 SPLICE：基于一致性正则化的智能体知识—模型协同演化 10-23 在策略蒸馏 7 MCPD：降低在策略自蒸馏的参考答案敏感性 10-23 TeachBack：双向偏好优化改进在策略自蒸馏 10-22 PR-OPD：面向智能体强化学习的特权表征在策略自蒸馏 10-18 共享残差蒸馏：从未经验证的同伴轨迹中学习 10-18 FIRE：基于 Fisher 信息校准的反馈式在策略自蒸馏 09-29 OPD：模型如何从自身生成轨迹学习 09-25 DiffusionOPSD：扩散模型的在线策略自蒸馏 08-27 师生协同适应 1 DualOPSD：自适应特权教师的在策自蒸馏 08-27 拓扑蒸馏 1 DART-SD：面向钻石拓扑的多轮工具调用智能体自蒸馏 08-20 持续学习 2 子空间调优缓解持续学习中的灾难性遗忘 10-18 ReDraft：参考驱动修订缓解持续多模态后训练遗忘 09-16 数据策展 1 策略多样性采样提升大模型自训练 09-28 无教师蒸馏 1 Self-OPD：无需教师的流匹配模型在策蒸馏 08-29 智能体训练 1 CORD：智能体联合强化学习与蒸馏的冲突感知优化 10-22 测试时训练 2 ASCENT：智能体将成功经验自蒸馏进权重，实现在线持续学习 10-27 TTRSD：视觉语言模型的测试时强化学习与自蒸馏 09-29 空间音频 1 AMBIT：基于可执行计划与自蒸馏 Transfusion 的空间音频生成编辑 10-29 经验学习 1 失败即监督：基于落地后见的回放筛选蒸馏 10-18 自蒸馏 7 MIRROR：从模仿到偏好内化的个性化大模型自蒸馏 10-08 解耦自蒸馏：衡量与建模知识习得和保持 10-01 负向自蒸馏：通过规避缺陷学习推理 09-11 RISE：基于自外推策略蒸馏的递归改进 09-07 面向可控安全拒答的边界感知自蒸馏 09-07 LOPD：潜在同策略自蒸馏 08-16 无监督同策略自蒸馏 U-OPSD 08-12 自进化框架 1 HarnessBank：面向 Agent-Harness 自进化的语义基因库 08-11 蒸馏坍缩 1 一个症状、三个杠杆：在策自蒸馏批判性综述 08-27 蒸馏路由 1 I-SDPO：实例级自适应自蒸馏策略优化 08-16 视觉推理 1 视频 RLVR 中的捷径放大与感知不确定性坍缩 10-29 语音增强 1 SNOAR：无需干净参考的自训练语音降噪框架 10-18 长期记忆 1 MemSuit：以效用意图为导向的记忆摘要 09-29
