Internalize the Temperature: On-Policy Self-Distillation as Policy Reheater for Reinforcement Learning

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Yang, Xuewei, Yu, Jiachen, Wu, Jie, Sun, Shaoning, Wang, Junjie, Yang, Yujiu
Format:	Preprint
Publié:	2026
Sujets:	Computation and Language Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2606.00755