京東聯合南大提出 Road MOPD，緩解多教師蒸餾合版衝突
京東零售與南京大學 LAMDA 實驗室提出 Road MOPD，用跨教師反饋緩解多教師線上策略蒸餾（MOPD）中的合版衝突。方法先按教師共識調節 token 級監督強度，再用預防性梯度投影削減引數更新中的衝突分量，同時保留當前任務的學習力度。在 Qwen3-4B 上，數學＋醫學組合的醫學均分比 Vanilla MOPD 提高 8.78 個百分點，數學提高 1.63；程式碼＋醫學組合分別提高 2.49 和 7.00。
針對多教師蒸餾中教師風格差異引發的引數更新衝突，給出可復現的協調方案，並公開醫學均分提升 8.78 個百分點的實測資料；對做多領域能力合版與蒸餾的團隊有直接參考。
原標題：老师各有所长，合版却起冲突？京东×南大提出Road MOPD缓解风格与跨领域学习干扰
閱讀原文
| 評分 | 68 / 64（平均 66，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
清華提出 ActionOPD：按動作語義線上蒸餾 Agent，無需教師 Token 機率
清華大學提出 ActionOPD，把 Agent 蒸餾從逐 Token 模仿改為在學生實際訪問狀態下對齊教師的語義動作。它只需師生各自取樣文字、判斷動作是否語義等價，無需教師 log-prob 或同源 Tokenizer，因而支援黑盒和跨家族蒸餾。在 τ²-bench 上用 Qwen3-32B 蒸餾 Qwen3-4B，pass¹ 較 Base 提升 10.8 個百分點，pass⁴ 接近翻倍，但略遜於直接約束 Token 分佈的基線；
UniEvo-VL：多模態模型自蒸餾自我進化訓練配方
arXiv 上提交的 UniEvo-VL 提出一種 on-policy 自蒸餾訓練方法：讓同一個多模態模型分別以學生和教師身份出現，學生只看原始問題，教師額外看到自我批評作為特權資訊，訓練目標是縮小兩者在取樣軌跡上去噪擴散分佈的差異，無需依賴更大的外部教師模型。基於開源 Qwen-image-2512，GenEval 從 0.747 升至 0.808，GenEval2 Soft-TIFA 從 32.97 升至 35.53。
港科大與華為提出 BalanceRoute，96 卡解碼吞吐提升約 15%
香港科技大學周子傑團隊與華為 2012 實驗室理論部提出 BalanceRoute，用線上路由緩解 MoE 大模型 PD 分離部署中各解碼組「齊步走」帶來的同步等待。在 96 張昇騰 910C、DeepSeek-V3 671B（W8A8）、8 個解碼單元的主實驗中，採用實際預測器的 BR-H 相比最強基線解碼吞吐提升約 15%，輸出 token 間隔的尾部延遲同時下降，單輪排程耗時中位數 1.20 毫秒、99% 分位 2.77 毫秒。
清華提出 Jev-LDE：ICL 範例只編輯一次，1-shot 準確率升至 88.1%
清華大學自動化系研究者提出 Local Demonstration Editing（LDE）與小型編輯模型 Jev-LDE，在目標 LLM 推理前對已檢索出的 demonstration set 只做一次 Keep、Delete 或 Replace 編輯，而非重新搜尋最優範例組合。
浙大北大 SPADER 被 EMNLP 2026 主會錄用：步驟級 GRPO 提升多答案問答召回
浙大與北大團隊的 SPADER 被 EMNLP 2026 主會錄用，它把 GRPO 的軌跡級優勢細化到步驟級（step-wise GRPO），並加入多樣性感知探索獎勵，用於多答案問答的長尾覆蓋。搜尋階段按組內檢索頻率給新發現的實體加權：頭部實體被稀釋，獨有長尾發現獎勵最高。在四個基準、Llama3.1-8B 與 Qwen3-8B 兩種基座上 F1 全部第一，QAMPARI 上相對 PPO、GRPO 最高提升 86.1%。