跨分词器在线策略蒸馏：监督可靠性优于对齐覆盖
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and Language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
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。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.