**SG-OPD：基于符号一致性门控与分阶段教师采样的在策略蒸馏方法**

_SG-OPD: Sign-Gated On-Policy Distillation via Sign-Consistency Gating and Phased Teacher Sampling_

> 本研究指出在策略蒸馏（OPD）隐含的轨迹对齐和令牌可靠性假设常不成立，提出符号门控在策略蒸馏（SG-OPD），利用二元验证器提供轨迹级和令牌级信任信号，通过分阶段教师采样和符号一致性门控改进蒸馏。数学推理实验显示，SG-OPD显著优于标准OPD，单样本和单题平均提升分别达1.98和7.50。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09304)