#on-policy delta distillation のAIニュース

Hugging Face、多言語数学推論に On-Policy Delta Distillation を提案

Hugging Face は LLM ポストトレーニング手法 OPD^2 を研究し、Qwen3 で英語・韓国語・日本語の数学推論で有効性を示した。