Relay-OPD在线策略蒸馏修复前缀失败

RT @HuggingPapers: Relay-OPD

一种新颖的在线策略蒸馏框架，通过让教师模型在检测到的推理失败点短暂接管并将轨迹交回，来修复前缀失败 https://t.co/IM3EqJ7GKx