Adaptive-Policy Distillation（APD）：信息不对称下的知识注入

研究提出自适应策略蒸馏（APD），通过逐 token 门控动态将 rollout 偏向教师模型并切换至 forward KL 目标，解决闭卷知识注入难题。在无需标注或验证器的情况下，APD 相比 on-policy 蒸馏（OPD）性能提升最高达 54.6%。该方法在 QASPER 上取得 0.558 F1，在 BioASQ 上取得 0.486 MRR 的最佳表现。