SAF-OPD: Stable Advantage Fusion for On-Policy Distillation

• 类型：arxiv
• 标识：2607.29209
• 链接：https://arxiv.org/abs/2607.29209
• 主分类：llm-infra
• 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：SA is proposed, a Stable Advantage Fusion framework that avoids entropy collapse and consistently outperforms fixed-coefficient GRPO+OPD fusion, improving the aggregate score by 0.70% across all six model-domain settings while achieving more stable training.
• OpenAlex ID：W7172319842
• OpenAlex DOI：10.48550/arxiv.2607.29209
• DOI：10.48550/arxiv.2607.29209
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.29209
• OpenAlex更新：2026-08-26
• 待LLM分类：否
• 标题中文：SAF-OPD：面向 On-Policy 蒸馏的稳定优势融合
• TLDR中文：提出SA，一种Stable Advantage Fusion框架，避免熵崩塌，在所有六个模型-领域设定上持续优于固定系数的GRPO+OPD融合，聚合得分提升0.70%，训练更稳定。
• 成熟度：research
• 场景：on-policy-distillation、rlvr
• 来源文件：
• /inbox/tom/_candidates/2026-08-03-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-04-rag-retrieval-reranking-candidates.json
• /inbox/tom/_candidates/2026-08-04-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]