提出DOPD,一种优势感知的双蒸馏范式,通过动态分配token级监督以缓解特权幻觉,实验表明在LLM和VLM任务上优于普通在线蒸馏。
机构:NUS
来源:arXiv 2606.30626 | AI4Papers 论文推荐平台