SCOUT：教师适配学生前缀改进on-policy蒸馏

on-policy 蒸馏（OPD）中，学生模型按自身策略生成路径，教师模型需要对这些路径给出 token 级监督。但教师很少走到这些陌生路径，随着路径变长，即使强教师的 token 级监督也会变得不可靠，即所谓「教师问题」。针对这一点，SCOUT（Student-COnditioned Updates of the Teacher）提出让学生模型与教师模型一起学习：教师依据学生的前缀进行适配，从而在陌生的学生路径上保持可靠监督。2026 年 10 月 15 日，AGI Hunt 报道了该方法，称其用于修复 on-policy 蒸馏的监督失真。目前公开信息为该方法本身的介绍，尚未见后续实验或应用进展的报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。