OPAL：在线策略注意力线性化蒸馏
原文标题：On-Policy Attention Linearization
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。
论文提出 On-Policy Attention Linearization（OPAL），让混合注意力学生模型自行采样长上下文轨迹，并由冻结的全注意力教师提供密集监督，解决离线蒸馏在长序列上误差累积的问题。在 Qwen3-4B 与 MiMo-7B-RL-0530 上，仅用 3B 训练 token 即恢复 87%–94% 常识推理、100% NIAH 检索与 83%–93% 数学推理性能，且无需 SFT 或 RLVR。相比此前最强线性化方法（检索仅恢复 68%），OPAL 显著缩小了与全注意力模型的差距。
- 问题
- 混合注意力模型蒸馏后在长上下文检索与推理上性能崩塌
- 方法
- 让学生模型自行采样长上下文轨迹，由冻结的全注意力教师提供密集监督，替代离线蒸馏
- 结果
- 仅用3B训练token恢复87%–94%常识推理、100% NIAH、83%–93%数学推理；此前最强方法检索仅恢复68%
- 影响
- 长上下文场景下线性注意力模型可接近全注意力质量，显著降低推理显存成本
深读 · 结论先行AI 生成展开看要点与影响 ↓
OPAL用在线策略蒸馏，仅3B token让混合注意力学生恢复100% NIAH检索。
- •让学生自行采样长上下文轨迹，由冻结的全注意力教师提供密集监督
- •在Qwen3-4B与MiMo-7B-RL-0530上，3B训练token恢复87%–94%常识推理、100% NIAH、83%–93%数学推理
- •无需SFT或RLVR即可达到上述结果
- •此前最强线性化方法检索仅恢复68%，OPAL明显缩小与全注意力模型的差距
- •动机是离线蒸馏无法教学生从长序列误差累积中恢复
为什么重要：长上下文推理是混合注意力架构最易崩溃的场景，OPAL若可复现，意味着线性化模型能以更低内存成本进入检索与思考模式的实际部署。
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。