Tag: rl

All the articles with the tag "rl".

• OPD 深度解析（三）：知识蒸馏与 OPD 梯度推导

  29 Jul, 2026

  从离线知识蒸馏到 on-policy distillation 的梯度推导，涵盖 sequence-level 与 token-level OPD

• OPD 深度解析（一）：概率、熵与 KL 散度

  29 Jul, 2026

  从概率分布到熵、交叉熵再到 KL 散度，建立 on-policy distillation 的数学基础

• OPD 深度解析（二）：SFT 与策略梯度推导

  29 Jul, 2026

  从自回归分解到 SFT loss 再到策略梯度，为 on-policy distillation 推导打下数学基础