返回全部题目← 上一题11 / 19下一题 →题库/模型训练与对齐/Q-5545On-Policy Distillation 如何利用学生采样和教师反馈训练，有哪些条件？知识专题：蒸馏与模型合并题目类型：原理机制技术难度：进阶相关面经：3 篇题集来源：3 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经收录题集相关题目相关面经3 篇腾讯大模型算法岗2026-10-02一面、二面查看原面经 →解释OPD方法，使用什么损失函数，为什么选用reverse KL而非forward KL？阿里巴巴AI Infra2026-09-27一面查看原面经 →### 选择OPD的动机以及数据筛选时的策略，为什么不使用学生错误的轨迹？蔚来座舱大模型算法工程师（后训练 / Agent）2026-09-01一面查看原面经 →八股：OPD收录题集3 个来源，共5 份题集训练、数据与模型优化：从数据清洗到 LoRAOnefly · zero2Agent · 1 条原题查看题集 →OPD（On-Policy Distillation）是什么？与强化学习有什么关系，对教师模型有什么要求？强化学习与对齐阿东玩 AI · AgentGuide · 2 条原题查看题集 →PPO与GRPO对比 「京东、字节跳动、百度、百度文心、腾讯、腾讯混元、蚂蚁集团、阿里巴巴」On-policy蒸馏和GRPO比，什么时候用蒸馏更合适？SFT、RL、OPD区别和使用场景？on-policy蒸馏、软蒸馏和我用的方法之间有什么区别和联系？ 「百度」推荐搜索与广告阿东玩 AI · AgentGuide · 1 条原题查看题集 →「字节跳动、腾讯」了解Online Distillation（OPD，On-Policy蒸馏）吗？请说明其loss函数、框架设置、训练数据设置，以及为什么训练速度很快？阿里巴巴问答汇编Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →在线on-policy蒸馏和强化学习有什么区别，哪种更容易突破教师模型性能上限？选择OPD的动机以及数据筛选时的策略，为什么不使用学生错误的轨迹？腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →DeepSeek-V4大量采用在线策略蒸馏、替代纯RL迭代训练的设计考量DeepSeek-V4的OPD在线策略蒸馏，与常规知识蒸馏的本质区别相关题目4 题0084蒸馏受限时，如何选择后训练方法提升模型能力？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0347项目中的模型蒸馏具体如何实现？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：1 篇1827实习中的轨迹蒸馏具体如何实现？同一知识专题题目类型：项目深挖技术难度：深入相关面经：1 篇2970蒸馏时如何避免学生学到教师错误的推理链？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题如何合并多个 LoRA 适配器，并验证兼容性与效果？下一题 →中间特征蒸馏如何选层、对齐并设计损失？
