arXiv 论文提出 FUW：基于 Fisher 效用加权的在线蒸馏令牌选择方法
原文标题：Token Utility for On-Policy Distillation via Local Trust-Region Optimization
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该论文针对在线策略蒸馏（OPD）中的令牌选择问题，提出从蒸馏目标本身推导令牌重要性，得到效用函数 s_t = g_t^T F_t^† g_t，其中 g_t 为 logit 梯度、F_t 为类别 Fisher 矩阵。作者将其实例化为 Fisher Utility Weighting（FUW），一种连续、均值归一化的令牌加权方法。在七个数学推理基准和三个 Qwen3 师生模型对上，FUW 在 reverse-KL 与 forward-KL 下均优于均匀 OPD，并与现有选择性方法相当。
- 问题
- 在线策略蒸馏中如何选出真正重要的令牌位置，现有启发式信号缺乏目标依据。
- 方法
- 从蒸馏目标推导效用s_t=g_t^T F_t^† g_t，实例化为均值归一化的连续令牌加权FUW。
- 结果
- 在七个数学推理基准、三个Qwen3师生对上，reverse-KL提升1.35-4.0、forward-KL提升1.08-2.71宏平均点。
- 影响
- 做LLM蒸馏的团队可用FUW替代均匀加权，以极低改动换取稳定推理能力提升。
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。