A Unified Per-Token Gating Family for On-Policy Distillation: FKL/RKL Mixing with Multi-Channel and Bias Coefficients¶

复现级别：L1 核心机制诊断。 本地执行四信号 gate；结果仅是机制诊断，不把探索性结果写成稳定胜出。

论文信息¶

字段	内容
论文链接	A Unified Per-Token Gating Family for On-Policy Distillation: FKL/RKL Mixing with Multi-Channel and Bias Coefficients
公司/机构	Xiaohongshu（按第一作者署名单位）
首次公开日期	2026-09-10
原文开源代码	否：未找到作者公开仓库（核查日期：2026-09-14）
Adapter / 方法	`adaptive-opd-gate`
本地复现代码	`src/auto_research/post_training/latest_20260914.py`

把熵、不确定性、reference 偏移和教师—学生差距组合成逐 token gate，在 FKL/RKL 蒸馏方向间自适应分配。

flowchart LR
  I[输入与公开状态] --> M[adaptive-opd-gate 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或更新]

原论文 Figure 1（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

本地代码把论文决定性操作实现为确定性的 reference kernel，并显式输出门控、选择、投影、图边或状态更新统计；测试覆盖公式不变量和边界条件。

论文报告 33/36 个探索单元和 19/26 个均值匹配静态对照占优；部分三 seed 主对比未达显著。这些数字来自原论文，不与本地缩小实验直接比较；论文未报告线上 A/B 时不推断线上收益。

三种子指标见 metrics/mechanism-seeds42-44.json。所有候选使用相同公开 fixture、预算和 seed；本页结果只证明核心状态转换实际执行。

本地执行四信号 gate；结果仅是机制诊断，不把探索性结果写成稳定胜出。