https://derekwang2002.github.io/ai-intelligence/projects/oppd/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261005-05/ ev-20261005-05-published Tue, 06 Oct 2026 16:01:24 GMT 新事件 TRIAL <p>On-policy power distillation（OPPD）让模型用一次生成逼近经过锐化的整段答案分布。冻结的教师模型为序贯蒙特卡洛产生的候选答案加权，再用这些权重训练学生，不需要参考答案。作者报告相对基础 checkpoint 在 MATH-500 上最高提升 23 点、GSM8K 上提升 27.3 点，并在相同预算下超过 GRPO。代码已公开。</p><p>建议等级：TRIAL</p><p>来源：<a href="https://arxiv.org/abs/2610.06804">Sharpen Without Search: OPPD</a> · <a href="https://github.com/ArminAzizi98/OPPD">ArminAzizi98/OPPD</a></p>