SPD 论文精读：不用外部信号，如何把模型自己的能力“投影”出来？
解读 Self-Policy Distillation 如何用正确性 token 的梯度抽取能力子空间，再用 KV 投影生成更可蒸馏的数据。
Latest
最新文章
SkillOpt 论文精读：把 Agent Skill 当成可训练参数
解读 SkillOpt 如何用 rollout、反思、文本学习率和验证门，把冻结 Agent 的技能文档训练成可迁移的程序性知识。
SDPO 论文精读：让强化学习从“结果分数”转向“失败反馈”学习
解读 Reinforcement Learning via Self-Distillation 如何把运行时报错、判题文本和成功样例转成密集信用分配，并在代码、推理与测试时训练中提升样本效率。