Bilanz der Quelle: Eine Studie von Cambridge untersucht, ob On-Policy-Destillation, das Training mit Rollouts des Schuelermodells, der traditionellen Off-Policy-Variante überlegen ist. Die Studie variierte auf verschiedenen Modelle und Aufgaben und hielte die Lernrate konstant. Ergebnis: kein konsistenter Vorteil für On-Policy bei In-Distribution.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
