Salesforce 论文:RL 专家蒸馏比外部大模型蒸馏更省算力
中文摘要
Salesforce论文:整合RL专家蒸馏比外部大模型蒸馏更省算力(节省42%),且优于纯RL。外部蒸馏常更耗时且回复冗长。
English Summary
Salesforce paper finds RL expert distillation saves 42% compute vs. pure RL. It outperforms external large model distillation, which costs more and yields longer responses.
Original Excerpt
Salesforce 新论文发现,从大型外部教师模型做蒸馏通常比纯 RL 消耗更多算力,而将多个 RL 训练的领域专家模型合并可节省 42% 算力。研究按每单位训练 FLOP 的留出准确率对比蒸馏与 GRPO,覆盖不同任务难度、模型规模和领域;使用外部后训练教师时 GRPO 普遍胜出,蒸馏还常导致回复变长。