arXiv 自然语言处理· Bingxi Hou, Guochao Jiang, Guofeng Quan, Weiqing Li, Wenfeng Feng, Guohua Liu, Yuewei Zhang·· 4 小时前AI 评分35
重新思考跨分词器 On-Policy 蒸馏：从对齐覆盖率走向监督可靠性
Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability
AI 导读
研究提出在跨分词器 On-Policy 蒸馏（OPD）中应优先保证监督可靠性而非盲目追求对齐覆盖率。在数学推理与代码生成评测中，仅在严格 1:1 对齐位置将逆向 KL 散度限制在 top-16 共享词表子集，即可达到与完整共享词表相当的准确率并超越基线。强行对不匹配片段增加监督虽实现完全覆盖，却因梯度冲突导致准确率下降。
来源：arXiv 自然语言处理 · arxiv.org