[논문리뷰] DiffGate: Difficulty-Gated Teacher Guidance for On-Policy Distillation본 논문은 OPD와 RLVR 방식이 각각 가지는 상호보완적인 한계를 해결하고자 한다. 기존의 OPD는 dense한 토큰 단위의 지도를 제공하지만, 결과의 정확성과 관계없이 학습하는 outcome-agnostic한 특성이 있어 정답 여부와 무관한 토큰 업데이트를 수행할 위험이 있다 .#Review#On-Policy Distillation#Reinforcement Learning#Language Models#Teacher Guidance#Difficulty Gating#Policy Optimization#Code Generation#Mathematical Reasoning2026년 10월 6일댓글 수 로딩 중