log-ratio1 篇实战文章

OPD 那套东西，说到底就是让学生模型自己走一遍，再拿教师给的对数概率去核对它走的每一步。监督信号是一个比值，一个数。 问题就出在这个“一个数”身上。 arXiv:2610.28194 这篇我翻了几遍，作者六个，末位是 Jing Huo，十月二十号挂出来的，到现在半个多月。