跳到正文
AGI Hunt· Nguyen Quang Trung·· 3 小时前AI 评分52

A*STAR 与 VinUniversity 开源 M³OPD 多教师蒸馏方案

A*STAR 开源 M³OPD:多教师同策略蒸馏训练多模态推理模型

AI 导读

A*STAR 与 VinUniversity 发布并开源 M³OPD-Reasoner,一套用于训练多模态推理模型的多教师同策略蒸馏后训练配方。该方法以 Qwen3.5-9B 为学生模型,先用 GSPO 训练数学、图表理解和视频领域教师,再蒸馏学生自己生成的回答。

来源:AGI Hunt · agihunt.info