热点事件持续更新
论文解释SFT与OPD遗忘差异根源
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月15日，AGI Hunt 报道，研究者 @diqiwei 发现，在线偏好蒸馏（OPD）相比监督微调（SFT）遗忘更少，但在教师不匹配和长 rollout 场景下会崩溃。论文对此给出解释：在多教师场景中，SFT（前向 KL）学到的是各教师的算术混合，而 OPD（反向 KL）学到的是归一化几何平均，这一差异被认为是两者遗忘表现不同的根源。作者同时在 AI 使用声明中说明，写作过程中使用了 GPT 5.6 Sol、GPT 6 Astra、Claude Fable 5 与 Grok 4.6 辅助，并用它们证明了关键技术引理。该工作目前以论文形式发布，报道中未见后续进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 11:36
论文给出解释：SFT 学教师的算术混合、OPD 学归一化几何平均，故遗忘表现不同。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntSFT 学正向 KL、OPD 学几何平均：论文解释两者遗忘差异根源
研究者 @diqiwei 发现在线偏好蒸馏（OPD）比 SFT 遗忘更少，但在教师不匹配和长 rollout 下会崩。论文解释称多教师场景下 SFT（前向 KL）学到的是教师的算术混合，OPD（反向 KL）学到的是归一化几何平均。作者在 AI 使用声明中称用 GPT 5.6 Sol、GPT 6 Astra、Claude Fable 5、Grok 4.6 辅助写作并证明关键技术引理。
本事件热度走势
当前热度 9·可比范围峰值 10（10月15日 12:00）·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。