并非每个Token都值得蒸馏：Direct-OPD选择性监督
原文标题：Not Every Token Is Worth Distilling: Selective Supervision for Direct-OPD
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。
论文指出Direct On-Policy Distillation的token级对数比只衡量相对变化，在概率质量消失时奖励可保持不变。作者提出S²D-OPD，按教师参考JSD对学生采样状态排序并屏蔽低散度状态的监督，仅保留每条回答前10%状态。在1.7B至8B的四个学生模型上，八个设置中七个优于稠密Direct-OPD。
- 问题
- Direct-OPD 的 token 级对数比在概率质量消失时仍给出奖励，监督信号失真。
- 方法
- 按教师参考 JSD 对学生采样状态排序，屏蔽低散度状态，仅保留每条回答前 10% 状态。
- 结果
- 1.7B 至 8B 四个学生模型、八个设置中七个在 AIME 与 HMMT 上优于稠密 Direct-OPD
- 影响
- 无需额外前向即可提升蒸馏效率，为 RL 到蒸馏的迁移提供更可靠的筛选准则。
深读 · 结论先行AI 生成展开看要点与影响 ↓
S²D-OPD只保留每条回答前10%高散度状态做蒸馏，八个设置中七个优于稠密Direct-OPD。
- •指出Direct-OPD的token级对数比只衡量相对变化，概率质量消失时奖励可不变
- •构造证明：奖励与更新不变时，JSD和两个KL方向可同时趋零
- •按教师参考JSD排序学生采样状态，屏蔽低散度状态监督，仅保留前10%
- •在1.7B至8B四个学生模型、八个设置中七个优于稠密Direct-OPD，第八个持平
- •不增加额外前向计算
为什么重要：为on-policy蒸馏提供了「并非每个token都值得监督」的具体筛选准则，在同等算力下提升效果。
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。