论文审计 Qwen3 在线自蒸馏：特权答案不等于推理迁移
原文标题：Privileged Information Does Not Guarantee Privileged Guidance: Auditing On-Policy Self-Distillation for Reasoning Models
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。
该论文提出对在线策略自蒸馏（OPSD）的四阶段审计框架，在三种规模的 Qwen3 上以数学任务验证：教师模型即使拿到完整解题过程，其 token 目标也不偏向正确轨迹。研究发现增益主要来自教师的思考模式而非特权答案本身，作者称之为「推理套利」。结论是准确率提升不能证明推理能力真正迁移。
- 问题
- 在线策略自蒸馏中学生涨分是否真来自教师掌握的特权答案尚不清楚。
- 方法
- 在三种规模Qwen3上做源、编码、传输、表达四阶段审计，并分离特权答案与思考模式的影响。
- 结果
- 最大增益出现在思考模式教师监督无思考轨迹学生时；仅给题目的教师常追平或超过给答案的教师。
- 影响
- 提示用自蒸馏提分时，收益可能只是模仿教师思考模式，准确率提升不能证明推理能力迁移。
深读 · 结论先行AI 生成展开看要点与影响 ↓
审计 Qwen3 在线自蒸馏发现，增益来自教师思考模式而非特权答案，准确率提升不等于推理迁移。
- •提出 Source、Encoding、Transmission、Expression 四阶段审计框架，覆盖三种 Qwen3 规模
- •教师拿到完整解题过程能解难题并从学生错误中恢复，但不能可靠识别错误，token 目标也不偏向正确轨迹
- •重复训练只是让原本可达的成功更频繁，而非解锁新能力；学到的纠错在自由生成中不能可靠表达
- •增益最大出现在思考模式教师监督无显式思考轨迹的学生；仅给题目的教师常追平或超过给答案的教师
- •作者将这一现象称为「推理套利」
为什么重要：对用自蒸馏刷数学基准的团队是警示：分数上涨可能只是输出形式变化，而非推理能力真正提升。
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
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
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。