跨分词器在线策略蒸馏：监督可靠性优于对齐覆盖

2026年10月7日，arXiv Computation and Language 发布论文（一手），研究跨分词器场景下的在线策略蒸馏（OPD）。论文指出，严格的 1:1 对齐已覆盖多数学生模型生成的 token。研究在数学推理与代码生成的三组异构师生模型上开展实验，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。同时，span 监督虽实现全覆盖，却降低准确率。论文据此主张，跨分词器 OPD 应优先保证监督可靠性，而非扩大对齐覆盖。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。