热点事件持续更新
DiffGate：难度门控的 on-policy 蒸馏方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，AGI Hunt 报道了 DiffGate，一种难度门控的 on-policy 蒸馏方法。其做法是只对失败轨迹施加教师指导，并与 GRPO 结合训练。报道给出的结果显示，在学生模型 Qwen3-0.6B 和 Qwen3-1.7B 上，代码任务 pass@8 较 GRPO 分别提升 1.6 点和 5.7 点，avg@8 分别提升 1.7 点和 1.8 点。目前该事件仅有这一篇报道，尚无其他来源的后续进展或不同说法。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 20:17
DiffGate 只对失败轨迹施加教师指导，代码 pass@8 较 GRPO 最高提升 5.7 点。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- AGI HuntDiffGate：只对失败轨迹施加教师指导，让 GRPO 蒸馏 pass@8 最多提升 5.7 点
DiffGate 提出难度门控的 on-policy 蒸馏目标，只对失败轨迹施加教师指导并结合 GRPO，在 Qwen3-0.6B/1.7B 学生模型上把代码 pass@8 较 GRPO 提升 +1.6/+5.7 点、avg@8 提升 +1.7/+1.8 点。
本事件热度走势
当前热度 9·可比范围峰值 10（10月7日 21:00）·近 24 小时可比范围变化 –
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。