研究：在线策略蒸馏传技能不传知识
原文标题：On-Policy Distillation Teaches New Skills but Not New Knowledge
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。
研究用可控合成框架分离事实知识与组合技能，测试三个家族四个模型，发现在线策略蒸馏（OPD）能稳定迁移多步推理的组合技能，但几乎不迁移事实知识。将 reverse-KL 换成 forward-KL 可恢复事实迁移，学生 rollout 则主要提升多步推理执行。结论是 OPD 不扩展模型参数化知识，只教模型组织已有知识。
- 问题
- 在线策略蒸馏（OPD）到底让学生模型学到新事实还是只学会推理技能，此前不清楚。
- 方法
- 用可控合成框架分离事实知识与组合技能，对比reverse-KL与forward-KL及学生rollout的作用。
- 结果
- reverse-KL OPD稳定迁移多步推理的组合技能但几乎不迁移事实知识；换成forward-KL可恢复事实迁移。
- 影响
- 说明蒸馏不能扩展模型参数化知识，指望靠蒸馏灌入新事实的团队应改用其他方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
在线策略蒸馏只传组合技能不传事实知识，换forward-KL才恢复事实迁移。
- •用可控合成框架分离事实知识与组合技能，测试三个家族四个模型
- •reverse-KL OPD能稳定迁移多步推理的组合技能，但事实知识迁移极少
- •把reverse-KL换成forward-KL可恢复事实迁移
- •学生rollout主要提升多步推理的执行能力
- •在事实QA与竞赛数学上呈现类似不对称：推理增益明显但参数化知识未扩展
为什么重要：澄清了OPD的能力边界——它教模型组织已有知识而非注入新知识，对指望蒸馏补事实的团队是重要纠偏。
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。