VRSD：提示词正则化自蒸馏提升 Pass@1

2026年10月14日，AGI Hunt 报道，King's College London 与腾讯优图等机构提出 VRSD 方法。该方法针对 on-policy self-distillation（OPSD）训练大语言模型的方式，用 system prompt 对教师模型使用特权信息的行为进行正则化，以改进自蒸馏训练。报道称，VRSD 使 Pass@1 平均提升 3.9 个百分点。报道未披露具体基准测试、模型规模及与其他方法的对比细节，目前也尚无后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。