**DOPD：基于优势感知的双策略蒸馏新范式**

_DOPD: Dual On-policy Distillation_

> HuggingFace每日论文推荐提出DOPD方法，通过动态路由令牌级监督信号解决传统在线蒸馏中的“特权幻觉”问题。该方法根据教师与学生策略的优势差距分配不同强度的监督，有效缩小能力转移与信息不对称之间的混淆。实验表明，DOPD在LLM和VLM任务中均显著优于基线方法，并在稳定性、鲁棒性及分布外泛化方面表现卓越。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.30626)