PreSO 提出特权表示隔离的在线自蒸馏方法
原文标题：PreSO: Privileged Representation Isolation for On-Policy Self-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。
论文提出 PreSO（Privileged Representation Isolation for On-Policy Self-Distillation），用于将 RLVR 的稀疏结果信号转化为密集的 token 级监督。方法在源头用紧凑提示限制解特定细节，在目标端从跨问题共享的低秩子空间投影特权修正。在五个竞赛级数学基准上，Qwen3-1.7B、4B、8B 平均准确率分别提升 6.8、9.0、10.0 分。
- 问题
- RLVR 结果信号稀疏，自蒸馏中特权信息哪些值得蒸馏不清楚。
- 方法
- 用紧凑提示限制解特定细节，并从跨问题共享低秩子空间投影特权修正作为蒸馏目标。
- 结果
- 在五个竞赛级数学基准上，Qwen3-1.7B/4B/8B 平均准确率分别提升 6.8、9.0、10.0 分。
- 影响
- 为 RLVR 后训练提供更密集的 token 级监督，小模型数学推理提升明显，可直接用于自蒸馏流水线。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PreSO用紧凑提示隔离特权表示，Qwen3-1.7B/4B/8B数学基准平均提升6.8/9.0/10.0分。
- •问题：在线自蒸馏中教师依赖学生推理时不可得的信息，需判断哪些特权变化值得蒸馏
- •发现：提示诱导的表示偏移比完整解答更集中、跨问题方向更一致，且下游增益更持久
- •方法：源头用紧凑提示限制解特定细节，目标端从跨问题共享的低秩子空间投影特权修正
- •在五个竞赛级数学基准上，Qwen3-1.7B、4B、8B平均准确率分别提升6.8、9.0、10.0分
- •所选子空间被定位为可复用结构的操作代理，而非可迁移与实例特定信息的严格分离
为什么重要：为RLVR稀疏奖励转密集监督提供了可操作方案，对做数学推理后训练的团队有直接参考价值。
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。