更好的监督近在咫尺：邻域在线策略自蒸馏（Neighborhood OPSD）
Neighborhood OPSD（N-OPSD）把局部参数扰动产生的互补参考修正转化为监督，改进数学推理模型的在线策略自蒸馏（OPSD）。在 AIME 2024、AIME 2025 和 HMMT February 2025 上，Qwen3-1.7B、4B、8B 的三基准 Average@12 分别比 OPSD 提升 2.75、1.67、1.94 分。
#推理
#推理
今日 0 条HuggingFace Daily PapersAI 评分3333
HuggingFace Daily PapersAI 评分3636 FlexRouter：为灵活 LLM 路由学习互补模型集
FlexRouter 是显式建模模型互补性的 LLM 路由框架，通过最大化答案覆盖率来选取互补模型集，避免独立打分选 top-k 导致的冗余。它用 DPP 建模路由策略，以失败集边缘化的训练目标直接优化覆盖率，推理时按边际增益贪心选取，无需预设预算即可自适应确定子集大小。在 RouterEval 基准上，其域内与域外任务的覆盖率更高、冗余更低。
HuggingFace Daily PapersAI 评分3636 Prompt2Skill：从自然语言指令进行无监督技能优化
Prompt2Skill 是一个仅凭自然语言任务描述构建技能的框架，能从提示词推导任务规范、发现或合成数据集，并通过反思式编辑闭环优化技能。在问答、阅读理解、电子表格操作与数学推理四个领域，它平均比直接提示基线提升 10.8 分，覆盖开源与前沿模型。
HuggingFace Daily PapersAI 评分3737 Question Relay 中的魔鬼：源条件中继引导缓解音视频大语言模型幻觉
SECRET（SourcE-Conditioned RElay sTeering）是一种免训练方法，在 question relay 处抑制跨模态干扰，缓解音视频大语言模型（AVLLM）的源混淆 grounding 幻觉。