Salesforce AI Research 论文：自教师蒸馏算力效率显著高于 GRPO

Salesforce AI Research 比较在线策略蒸馏（OPD）与 GRPO 在相同训练 FLOPs 下的留存集准确率，评估维度涵盖任务难度、模型规模和领域。结果显示，自教师蒸馏相比 GRPO 可节省约 50 倍 FLOPs，合并领域专家模型还能额外节省 42% 算力。