Distill Where You Fail: Recovering Learning Signals of Negative RL-Groups from Adaptive Teacher Guidance

• 类型：arxiv
• 标识：2608.00782
• 链接：https://arxiv.org/abs/2608.00782
• 主分类：multimodal
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• 影响力被引：0
• TLDR：RSTG (Recovering Learning Signals via Adaptive Teacher Guidance), which applies distillation selectively and precisely where it matters most, and substantially outperforms naive GRPO+OPD.
• 待LLM分类：否
• 标题中文：Distill Where You Fail：通过自适应教师指导恢复负 RL 群体的学习信号
• TLDR中文：提出 RSTG（Recovering Learning Signals via Adaptive Teacher Guidance），在最关键的位置选择性地、精确地施加蒸馏，显著优于朴素的 GRPO+OPD。
• 来源文件：
• /inbox/tom/_candidates/2026-08-06-agent-rag-longcontext-candidates.json
• [S2 enrich]