Reasoning Compression with Mixed-Policy Distillation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yang, Han, Wu, Mingyan, He, Bailan, Cao, Zeyu, Yan, Sikuan, Lin, Kevin Qinghong, Ding, Zifeng |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
TCP: a Benchmark for Temporal Constraint-Based Planning
par: Ding, Zifeng, et autres
Publié: (2025)
par: Ding, Zifeng, et autres
Publié: (2025)
PERFT: Parameter-Efficient Routed Fine-Tuning for Mixture-of-Expert Model
par: Liu, Yilun, et autres
Publié: (2024)
par: Liu, Yilun, et autres
Publié: (2024)
EigentSearch-Q+: Enhancing Deep Research Agents with Structured Reasoning Tools
par: Zhang, Boer, et autres
Publié: (2026)
par: Zhang, Boer, et autres
Publié: (2026)
Surgical Post-Training: Proximal On-Policy Distillation for Reasoning with Knowledge Retention
par: Lin, Wenye, et autres
Publié: (2026)
par: Lin, Wenye, et autres
Publié: (2026)
Temporal Fact Reasoning over Hyper-Relational Knowledge Graphs
par: Ding, Zifeng, et autres
Publié: (2023)
par: Ding, Zifeng, et autres
Publié: (2023)
Consistency Policy: Accelerated Visuomotor Policies via Consistency Distillation
par: Prasad, Aaditya, et autres
Publié: (2024)
par: Prasad, Aaditya, et autres
Publié: (2024)
Paper2Video: Automatic Video Generation from Scientific Papers
par: Zhu, Zeyu, et autres
Publié: (2025)
par: Zhu, Zeyu, et autres
Publié: (2025)
Structural Rationale Distillation via Reasoning Space Compression
par: Yang, Jialin, et autres
Publié: (2026)
par: Yang, Jialin, et autres
Publié: (2026)
Lightning OPD: Efficient Post-Training for Large Reasoning Models with Offline On-Policy Distillation
par: Wu, Yecheng, et autres
Publié: (2026)
par: Wu, Yecheng, et autres
Publié: (2026)
Respecting Self-Uncertainty in On-Policy Self-Distillation for Efficient LLM Reasoning
par: Ke, Junlong, et autres
Publié: (2026)
par: Ke, Junlong, et autres
Publié: (2026)
Routing-Free Mixture-of-Experts
par: Liu, Yilun, et autres
Publié: (2026)
par: Liu, Yilun, et autres
Publié: (2026)
Think or Not? Selective Reasoning via Reinforcement Learning for Vision-Language Models
par: Wang, Jiaqi, et autres
Publié: (2025)
par: Wang, Jiaqi, et autres
Publié: (2025)
HDPO: Hybrid Distillation Policy Optimization via Privileged Self-Distillation
par: Ding, Ken
Publié: (2026)
par: Ding, Ken
Publié: (2026)
Revisiting 3D LLM Benchmarks: Are We Really Testing 3D Capabilities?
par: Jin, Jiahe, et autres
Publié: (2025)
par: Jin, Jiahe, et autres
Publié: (2025)
VideoMind: A Chain-of-LoRA Agent for Temporal-Grounded Video Reasoning
par: Liu, Ye, et autres
Publié: (2025)
par: Liu, Ye, et autres
Publié: (2025)
Mixed Distillation Helps Smaller Language Model Better Reasoning
par: Li, Chenglin, et autres
Publié: (2023)
par: Li, Chenglin, et autres
Publié: (2023)
Extreme Region Policy Distillation
par: Chen, Changyu, et autres
Publié: (2026)
par: Chen, Changyu, et autres
Publié: (2026)
OPD+: Rethinking the Advantage Design for On-Policy Distillation
par: Zhao, Hanyang, et autres
Publié: (2026)
par: Zhao, Hanyang, et autres
Publié: (2026)
Prune-OPD: Efficient and Reliable On-Policy Distillation for Long-Horizon Reasoning
par: Yang, Zhicheng, et autres
Publié: (2026)
par: Yang, Zhicheng, et autres
Publié: (2026)
ORPO-Distill: Mixed-Policy Preference Optimization for Cross-Architecture LLM Distillation
par: Singh, Aasheesh, et autres
Publié: (2025)
par: Singh, Aasheesh, et autres
Publié: (2025)
DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
par: Li, Gang, et autres
Publié: (2025)
par: Li, Gang, et autres
Publié: (2025)
OGLS-SD: On-Policy Self-Distillation with Outcome-Guided Logit Steering for LLM Reasoning
par: Yang, Yuxiao, et autres
Publié: (2026)
par: Yang, Yuxiao, et autres
Publié: (2026)
Can Knowledge Graphs Make Large Language Models More Trustworthy? An Empirical Study Over Open-ended Question Answering
par: Sui, Yuan, et autres
Publié: (2024)
par: Sui, Yuan, et autres
Publié: (2024)
Clinical-R1: Empowering Large Language Models for Faithful and Comprehensive Reasoning with Clinical Objective Relative Policy Optimization
par: Gu, Boyang, et autres
Publié: (2025)
par: Gu, Boyang, et autres
Publié: (2025)
PACED: Distillation and On-Policy Self-Distillation at the Frontier of Student Competence
par: Xu, Yuanda, et autres
Publié: (2026)
par: Xu, Yuanda, et autres
Publié: (2026)
MCPO: Mastery-Consolidated Policy Optimization for Large Reasoning Models
par: Liao, Zhaokang, et autres
Publié: (2026)
par: Liao, Zhaokang, et autres
Publié: (2026)
Data-Efficient On-Policy Distillation for Automatic Speech Recognition
par: Lin, Yu, et autres
Publié: (2026)
par: Lin, Yu, et autres
Publié: (2026)
SceneCode: Executable World Programs for Editable Indoor Scenes with Articulated Objects
par: Wang, Puyi, et autres
Publié: (2026)
par: Wang, Puyi, et autres
Publié: (2026)
OPSDL: On-Policy Self-Distillation for Long-Context Language Models
par: Zhang, Xinsen, et autres
Publié: (2026)
par: Zhang, Xinsen, et autres
Publié: (2026)
LLM-Augmented Digital Twin for Policy Evaluation in Short-Video Platforms
par: Zhang, Haoting, et autres
Publié: (2026)
par: Zhang, Haoting, et autres
Publié: (2026)
Bridging Reasoning Trajectories in On-Policy Distillation via Near-Future Guidance
par: Jiang, Yuxuan, et autres
Publié: (2026)
par: Jiang, Yuxuan, et autres
Publié: (2026)
TIP: Token Importance in On-Policy Distillation
par: Xu, Yuanda, et autres
Publié: (2026)
par: Xu, Yuanda, et autres
Publié: (2026)
ADWIN: Adaptive Windows for Horizon-Aware On-Policy Distillation
par: Liang, Kun, et autres
Publié: (2026)
par: Liang, Kun, et autres
Publié: (2026)
KDMOS:Knowledge Distillation for Motion Segmentation
par: Cao, Chunyu, et autres
Publié: (2025)
par: Cao, Chunyu, et autres
Publié: (2025)
SCOPE: Compress Mathematical Reasoning Steps for Efficient Automated Process Annotation
par: Xu, Huimin, et autres
Publié: (2025)
par: Xu, Huimin, et autres
Publié: (2025)
LRAS: Advanced Legal Reasoning with Agentic Search
par: Zhou, Yujin, et autres
Publié: (2026)
par: Zhou, Yujin, et autres
Publié: (2026)
MAPO: Mixed Advantage Policy Optimization
par: Huang, Wenke, et autres
Publié: (2025)
par: Huang, Wenke, et autres
Publié: (2025)
ManiCM: Real-time 3D Diffusion Policy via Consistency Model for Robotic Manipulation
par: Lu, Guanxing, et autres
Publié: (2024)
par: Lu, Guanxing, et autres
Publié: (2024)
Flow-OPD: On-Policy Distillation for Flow Matching Models
par: Fang, Zhen, et autres
Publié: (2026)
par: Fang, Zhen, et autres
Publié: (2026)
Random Conditioning with Distillation for Data-Efficient Diffusion Model Compression
par: Kim, Dohyun, et autres
Publié: (2025)
par: Kim, Dohyun, et autres
Publié: (2025)
Documents similaires
-
TCP: a Benchmark for Temporal Constraint-Based Planning
par: Ding, Zifeng, et autres
Publié: (2025) -
PERFT: Parameter-Efficient Routed Fine-Tuning for Mixture-of-Expert Model
par: Liu, Yilun, et autres
Publié: (2024) -
EigentSearch-Q+: Enhancing Deep Research Agents with Structured Reasoning Tools
par: Zhang, Boer, et autres
Publié: (2026) -
Surgical Post-Training: Proximal On-Policy Distillation for Reasoning with Knowledge Retention
par: Lin, Wenye, et autres
Publié: (2026) -
Temporal Fact Reasoning over Hyper-Relational Knowledge Graphs
par: Ding, Zifeng, et autres
Publié: (2023)