SPLICE：一致性正则化知识-模型协同进化框架

2026年10月23日，arXiv人工智能板块刊出Sirui Chen等作者的论文，提出SPLICE框架，用于一致性正则化的知识-模型协同进化。该框架的做法是：对同一经验采用不同的分析方式，构建出多个“进化视图”，再以跨视图的共同增益来引导知识更新，并通过自蒸馏结合强化学习，把知识内化到模型中。实验结果显示，SPLICE的平均准确率分别比知识进化基线和模型训练基线高出最多7.1和4.6个百分点；进化后的知识使每个正确解答的输出token减少最多44%；该框架还可跨模型规模和模型族迁移。目前报道仅涉及框架提出与实验数据，未提及后续应用或独立复现。

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。