APD 蒸馏方法提升文档问答知识注入效率
原文标题：Adaptive-Policy Distillation: Knowledge Injection under Information Asymmetry
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究发现 on-policy 蒸馏在知识注入上远逊于 off-policy 蒸馏，原因在于反向 KL 难以抬升学生认为不可能出现的文档专有 token。作者提出 Adaptive-Policy Distillation，用逐 token 门控动态切换前向 KL 与 rollout 引导，无需标签即在 QASPER 达 0.558 F1、BioASQ 达 0.486 MRR。
深读 · 结论先行AI 生成展开看要点与影响 ↓
APD用逐token门控切换前向/反向KL，QASPER达0.558 F1、BioASQ达0.486 MRR
- •发现on-policy蒸馏在知识注入上远逊于简单off-policy蒸馏
- •原因一：反向KL按学生分布加权，几乎抬不动学生认为不可能的文档专有token
- •原因二：学生rollout须先正确生成前序token才暴露后续位置，覆盖随目标长度恶化
- •APD用逐token门控在需要处把rollout推向教师、目标切向前向KL，随学习撤回干预
- •无需标签或验证器，较OPD最高提升54.6%
为什么重要：纠正了「on-policy蒸馏普遍更强」的默认假设，对做文档知识注入和闭卷推理的团队是直接可用的方法修正。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。