Ориентировочный регион дистилляции политики

arXiv: 2607.047551v2 Annuales Type: заменить кросс-бюллетень: Большие цели трудно достичь одновременно; разбить их на небольшие шаги - это мудрее. Мы представляем дистилляцию политики в регионе доверия (TOP-D), которая преобразует печально нестабильную, высоковариантную дистильность на уровне политики (ODD) в стабильную парадигму подготовки кадров путем динамического построения проксимального учителя. Теоретически, мы создадим строгую систему, демонстрирующую, что TOP-D по своей сути контролирует градиентную разницу. Путем проведения официального глобального анализа конвергенции наряду с монотонным усовершенствованием, связанным между собой, мы математически формализуем надежность и стабильность общей динамики подготовки кадров. Эмпирически TOP-D значительно повышает стабильность подготовки, эффективность выборки и конечный результат выполнения задач математического обоснования. Что еще более важно, TOP-D вводит нулевые дополнительные вычислительные накладные расходы, позиционируя себя как многообещающую альтернативу прочно установившейся парадигме OD.