يقدم الباحثون DemoPSD، وهو إطار عمل للتقويم الذاتي على السياسة يحل مشكلة تسرب المعلومات المميزة والتكيف الزائد عن طريق اعتماد إرشادات المعلم بشكل انتقائي. توجه الطريقة الطالب نحو هدف باريكسنتري عكسي-KL، مما يوازن بين التعلم من المعلم والحفاظ على قدرة الطالب على الاستدلال.
- تستخدم DemoPSD عدم تطابق التوزيع للتحكم التكيفي في الخلط عند كل موضع توكن.
- تحقق نظريًا تخفيف التسرب والحفاظ على الاستكشاف تحت التقويم المكثف على مستوى التوكن.
- أظهرت التجارب على SciKnowEval أنها تتفوق على GRPO وSDPO عبر أربعة مجالات علمية.
- تحافظ الطريقة على إنتروبيا تدريب أعلى وتعمم بقوة على معايير GPQA خارج التوزيع.
تخفف DemoPSD بشكل فعال من قمع الاستكشاف ومشاكل التعميم عبر المجالات الكامنة في التقويم الذاتي القياسي للمعلم والطالب.