以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Multi-Teacher On-Policy Distillation (MOPD) enables a single student to absorb the skills of several domain teachers by learning from its own generated responses. We present Multimodal Model Multi-Teacher On-Policy Distillation Reasoner (M3OPD-Reasoner), a fully open recipe for post-training vision-language models (VLM
阅读原文 · Nguyen Quang Trung, Hoang Phan, Shuo Sun, Longyin Zhang, AiTi Aw
向阳乔木 · opencode-go/deepseek-v4.1-flash
多教师蒸馏这件事,过去大多是各家实验室内部配方,数据、教师、训练脚本都不公开。这篇论文把整套流程摊开了:数据、代码、每个阶段的 checkpoint 全放出来,还顺带回答了一个挺实际的问题,蒸馏完之后再用同一批数据做 RL,模型还能不能往上走。 答案是能,而且没崩。 这篇论文想解决什么 视觉语言模型的后训练,常见做法是把图像 STEM、图像感知、视频推理这几...