**SAKI：基于最大耦合路由教师监督的在线策略蒸馏方法**

_SAKI: Maximal-Coupling-Routed Teacher Supervision for On-Policy Distillation_

> SAKI 提出一种结合 KL 约束教师引导 rollout 与最大耦合的在线策略蒸馏框架，通过复用接受/纠正事件实现 token 级监督路由。该方法在保持精确轨迹分布的同时，将匹配工作负载的 rollout 吞吐量提升 4.22 倍，并在七个数学推理基准上显著提升了 1.7B 和 0.6B 学生模型的性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.36601)