研究者提出SELFCI自蒸馏框架

研究者 Sangwoo Park 等人提出互补自蒸馏框架 SELFCI，目标是在大语言模型处理任务时，既保留完成任务所需的信息，又控制信息披露的范围。该框架把信息抑制与任务求解拆开，用两个独立的反向 KL 散度，分别对齐“保留任务信息”和“最小必要披露”两个教师分布，形成专家乘积（PoE）目标。 据该研究称，SELFCI 不依赖昂贵的外部监督，在上下文完整性披露决策上稳定优于 GRPO 等在线强化学习基线，并可泛化到智能体工作流与累积隐私上下文场景。上述比较结果来自研究者的实验报告。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。