DAPD提出Dual-Anchored Policy Distillation策略蒸馏方法。
推荐理由：仅从标题可判断其聚焦策略蒸馏稳定性：双锚设计通常意在约束学生策略偏移，可能服务于低成本对齐或小模型继承能力。
阅读原文