跳转至

Read this paper write-up in English

LEGO-OPD: Factorized Teacher Composition for Multimodal On-Policy Distillation

复现级别：L1 核心机制诊断。 执行 factorized teacher composition；未加载 LLM/VLM teacher。

论文信息

字段 内容
论文链接 arXiv v1
公司/机构 KAIST（按第一作者署名单位）
首次公开日期 2026-09-29（arXiv v1）
原文开源代码 否：截至 2026-10-03 未找到原作者公开实现
Adapter lego-opd
本地复现代码 src/auto_research/post_training/latest_20261003.py

原始论文总结

背景与主要改动

把语言专家作为 token prior，把 grounding 专家只作为视觉 likelihood，以乘积专家形式组成 OPD teacher，避免连同 VLM 语言偏差一起蒸馏。

flowchart LR
  I[输入与当前状态] --> M[lego-opd 核心机制]
  M --> A[可审计中间量]
  A --> O[输出或状态更新]

原论文关键图

LEGO-OPD: Factorized Teacher Composition for Multimodal On-Policy Distillation 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(p_T(y|x,v)\propto p_L(y|x)p_G(y|x,v)^lpha\)。

论文离线与线上效果

多模态 benchmark 上改善 grounding，同时较直接 VLM teacher 更好保留语言推理。

本地复现

本地对照口径：基线为机制关闭或默认状态，实验组执行定义性算子；L1 不报告正式相对提升，百分比不适用。

复现边界

执行 factorized teacher composition；未加载 LLM/VLM teacher。