Заголовок на английскомBeyond On-Policy vs. Off-Policy: At What Level Should LLM Agent Distillation Follow the Student?
arXiv:2610.31918v1 Announce Type: new Abstract: Distilling interactive LLM agents requires choosing between teacher-generated demonstrations and student-generated experience, corresponding broadly to off-policy and on-policy distillation. While both have proven effective, we…
Кратко от AI: Главные тезисы
- arXiv:2610.31918v1 Announce Type: new Abstract: Distilling interactive LLM agents requires choosing between teacher-generated demonstrations and student-generated experience, corresponding broadly to off-policy and on-policy distillation
- While both have proven effective, we…
Beyond On-Policy vs. Off-Policy: At What Level Should LLM Agent Distillation Follow the Student?
Похожие материалы
ИИ только что сделал то, что не должно быть возможным
Вчера вечером OpenAI объявила, что ее ИИ сделал три совершенно новых открытия. Один по математике, один по информатике и один по физике. Не домашние задания, не экзаменационные вопросы, открытия. Проблемы, из-за которых застряли некоторые из самых умных людей, когда-либо живших на свете…
OpenAI представила четыре выдающихся научных результата, полученных с помощью собственной экспериментальной ИИ-модели...
OpenAI представила четыре выдающихся научных результата, полученных с помощью собственной экспериментальной ИИ-модели, которая до сих пор остаётся недоступной широкой публике. 1. Математика. Модели удалось доказать гипотезу Какеи во всех размерностях. Прежде математики…
OpenAI представила персонального помощника dots на основе ИИ
OpenAI представила нового персонального помощника dots, работающего в фоновом режиме.
OpenAI представила GPT-6.1 Terra, причём стоимость новой модели оказалась значительно ниже ожидаемой.
OpenAI представила GPT-6.1 Terra, причём стоимость новой модели оказалась значительно ниже ожидаемой. Стоимость использования через API: > $1 за миллион входных токенов. > $5 за миллион выходных токенов. > $0,05 за миллион кэшированных входных токенов. Таким образом, GPT-6.1…