Статті за тегом: #policy-optimization

7.0
other

DiffGate: Difficulty-Gated Teacher Guidance for On-Policy Distillation

Karn Tiwari, Varnith Chordia, Prathosh A P · arXiv (2026) · doi:10.48550/arxiv.2610.04596 · gemini-3.1-flash-lite

Повний розбір статті →