理解策略外与策略内知识蒸馏：不同训练目标之辨

该研究深入对比了多教师顺序知识蒸馏中策略外与策略内知识蒸馏（OPD）的机制差异。研究证明前向与反向 KL 散度分别对应加权算术与几何聚合目标，在表格设定下建立了对数遗憾界。分析表明反向 KL 能更好保留高置信度专家的偏好，但对赋予正确响应极低概率的教师更敏感，且在长视界下可能倾向错误前缀。