面试题库 › 算法 / 大模型 › On-Policy Distillation(OPD)是什么

On-Policy Distillation(OPD)是什么

难度 ★★★在 1 场真实面经中被问到 方向:算法 / 大模型考点:强化学习对齐

哪些公司问过

字节跳动1

常见岗位:AI 应用 / Agent 开发

答案要点

  1. 学生自采样,教师对学生生成的序列逐 token 打分,常最小化反向 KL
  2. 相比离线蒸馏:数据分布随学生更新,缓解暴露偏差
  3. 相比 RL:同为在线采样,但信号是稠密逐 token 监督,样本效率通常更高
  4. 代表工作如 GKD,常用于大模型向小模型蒸馏推理能力
  5. 代价:在线采样与教师推理成本,需词表一致或额外对齐

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题