Flux-OPD：用演化上下文做在线策略蒸馏

2026年10月15日，arXiv Artificial Intelligence 刊出由 Yuran Wang 等作者提出的 Flux-OPD。报道称，该工作针对开放领域大语言模型训练中缺乏可验证奖励、固定上下文无法随学生模型演化的问题，提出一种 OPD（在线策略蒸馏）范式，将演化上下文用作训练中的监督，以纳入由任务反馈导出的上下文信号。方法上，报道称其通过 reverse-KL 分解刻画上下文蒸馏，把上下文条件教师与无上下文教师的差异作为上下文修正信号注入无上下文教师，并用冲突项加权修正强度。实验显示，Flux-OPD 在 OPD 范式中取得最佳结果。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

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。