SAKI：基于最大耦合路由的在线策略蒸馏方法
发生了什么
据Hugging Face Papers报道，SAKI（Supervision Allocation with KL-constrained Interpolation）是一种新的在线策略蒸馏方法。该方法结合KL约束教师引导 rollout 与最大耦合，重用接受/校正事件以路由token级监督。在七项数学推理基准测试中，SAKI提升了1.7B和0.6B学生模型的Mean@8和Pass@8表现。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口