论文提出Road MOPD多教师蒸馏方法

Shi-Yu Tian 等在 arXiv 论文《Beyond Domain-Routed Supervision: Cross-Teacher Guarding for Multi-Teacher On-Policy Distillation》中提出 Road MOPD 方法，引入非路由教师作为跨领域批评器，在同一学生轨迹上提供辅助监督，并通过词元级信用分配和梯度更新协调多教师在线策略蒸馏，以缓解多教师间的梯度冲突。 据论文摘要，实验中该方法缓解了弱势领域的性能退化，在高冲突场景下提升超过 5 个百分点，并改善低冲突和三领域设置下的整体性能；具体实验条件与基线未在材料中说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。