arXiv · Computation and Language· Bingxi Hou, Guochao Jiang, Guofeng Quan, Weiqing Li, Wenfeng Feng, Guohua Liu, Yuewei Zhang·· 3 小时前AI 评分27
跨分词器在线策略蒸馏：为何应从对齐覆盖转向监督可靠性
Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability
AI 导读
论文提出，在线策略蒸馏（OPD）在跨分词器场景下，严格的 1:1 对齐已覆盖多数学生模型生成的 token。在数学推理与代码生成的三组异构师生模型上，将反向 KL 限制在共享词表的 top-16 子集，准确率可媲美全共享词表 OPD 并优于对比基线。span 监督虽实现全覆盖却降低准确率，论文据此主张优先保证监督可靠性而非扩大对齐覆盖。
来源：arXiv · Computation and Language · arxiv.org