跳转至

Read this paper write-up in English

Learning from Teacher Continuations at Student States

复现级别：L1 核心机制诊断。 执行 student-prefix/teacher-continuation 的精确 loss mask；未调用闭源 teacher。

论文信息

字段 内容
论文链接 Learning from Teacher Continuations at Student States
公司/机构 University of Illinois Urbana-Champaign（按第一作者署名单位）
首次公开日期 2026-09-28（arXiv v1）
原文开源代码 是：https://dylanzsz.github.io/olive/
Adapter / 方法 olive
本地复现代码 src/auto_research/post_training/latest_20260930_closure.py

原始论文总结

背景与主要改动

由当前 student 生成前缀，再让 teacher 从该 student state 续写；student 只在 teacher continuation token 上计算交叉熵。

flowchart LR
  I[公开输入/当前状态] --> M[olive 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

Learning from Teacher Continuations at Student States 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

本地 reference kernel 保留论文决定性的门控、掩码、递归、信用权重或晋级条件；测试同时检查梯度隔离、类型边界和确定性。

论文离线与线上效果

论文中的 benchmark、速度或训练曲线属于原文结果。本地三种子 mini-suite 仅检验机制和不变量，不与论文规模结果横比，也不外推线上收益。

本地复现

三种子诊断见 metrics/mechanism-seeds42-44.json。其中 diagnostic_only=true，不能进入正式能力排名。

复现边界

执行 student-prefix/teacher-continuation 的精确 loss mask；未调用闭源 teacher。