Weak Critics Make Strong Learners: On-Policy Critique Distillation for Scalable Oversight

En 3 lignesMéthode OPCD pour améliorer les grands modèles via critiques faibles. Au lieu d'utiliser des superviseurs faibles comme annotateurs, on les emploie comme critiques pour guider les révisions. La distillation progressive filtre les critiques de qualité et les intègre au modèle fort via signaux d'auto-enseignement adaptatifs. Résultats sur benchmarks de raisonnement et alignement.

Résumé généré par Claude — vérifié par l'humain