门控衰减在线策略蒸馏提升OCR忠实度
原文标题：Improving OCR Faithfulness via Gated and Attenuated On-Policy Distillation
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。
针对视觉语言模型把图像中异常文字改写成通顺表达、损害OCR转录忠实度的问题，论文提出GAD-RL方法，在联合后训练中依据学生当前任务表现与局部分布自适应调节教师监督强度。在Qwen3.5-2B上，该方法在CHAOS-Bench取得59.92% Micro Recall，较GRPO与固定权重GRPO+OPD分别高出8.45与4.43个百分点。
- 问题
- 视觉语言模型会把图像中异常文字改写成通顺表达，损害OCR转录忠实度。
- 方法
- GAD-RL在联合后训练中按学生当前任务表现与局部分布自适应衰减教师蒸馏强度，而非固定权重。
- 结果
- Qwen3.5-2B上CHAOS-Bench Micro Recall 59.92%，比GRPO高8.45点、比固定权重GRPO+OPD高4.43点；OmniDocBench v1.6 Overall 91.18。
- 影响
- 做OCR或文档理解时，蒸馏权重应随学生能力动态调整，固定教师监督会随训练变差。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GAD-RL按学生表现自适应调教师强度，CHAOS-Bench召回率59.92%。
- •针对视觉语言模型把图像异常文字改写成通顺表达、损害OCR忠实度的问题
- •离线分析显示固定教师监督随学生变强而逐渐变得不利
- •GAD-RL在联合后训练中按学生当前任务表现与局部分布自适应调节蒸馏强度
- •任务奖励≥0.95的响应组直接关闭蒸馏，组均奖励升高则持续衰减蒸馏
- •在Qwen3.5-2B上CHAOS-Bench Micro Recall 59.92%，较GRPO与固定权重GRPO+OPD高8.45与4.43个百分点
为什么重要：说明在线策略蒸馏中「教师越强越好」并不成立，动态衰减监督对OCR忠实度这类细节任务有实际收益。
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。