Salesforce比较OPD与GRPO训练效率

1. 08:17
   AGI Hunt

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。