Branching On-Policy Distillation

Đoạn trích bài viết

Chưng cất on-policy (OPD) cung cấp sự giám sát của giáo viên trên các quỹ đạo do học sinh tạo ra, nhưng một quỹ đạo đơn lẻ chỉ hiện thực hóa một phần tiếp nối ở mỗi quyết định, làm hạn chế phạm vi bao phủ giám sát trong giới hạn ngân sách lấy mẫu hữu hạn.