Distilled Reinforcement Learning for LLM Post-training

• 类型：arxiv
• 标识：2607.17247
• 链接：https://arxiv.org/abs/2607.17247
• 主分类：engineering
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Extensive experiments show that Distilled RL substantially outperforms standard RL and OPD in terms of both pass@1 and pass@k, and can effectively transfer previously unavailable knowledge from a teacher model to a student model.
• OpenAlex ID：W7169874691
• OpenAlex DOI：10.48550/arxiv.2607.17247
• DOI：10.48550/arxiv.2607.17247
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.17247
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：LLM 后训练的蒸馏强化学习
• TLDR中文：大量实验表明，Distilled RL 在 pass@1 和 pass@k 上均显著优于标准 RL 和 OPD，并能将教师模型中此前无法获得的知识有效迁移至学生模型。
• 来源文件：
• /inbox/tom/_candidates/2026-07-21-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]