研究者ら、より効率的な動画推論に向けてOPDを応用

2つの報告は、動画推論とストリーミング動画理解にオンポリシー蒸留を用いるポストトレーニング手法を説明している。Latent-OPDは、推論軌跡の終端で生徒モデルの隠れ状態を教師モデルの層にそろえることで、軌跡レベルの潜在表現蒸留を加える。StreamOPDは、検証可能なストリーミング動画データ、思考モードのOPD、指示モードでのデプロイを組み合わせ、推論方法を変えずにStreamingBenchとOVO-Benchで改善を報告している。