论文指出，在策略自蒸馏中，拥有特权信息的教师可能让学生形成无法在推理时复现的“特权幻觉”。DAPD以双路径锚定匹配教师与学生的信息条件，再以双来源双向对齐参考策略和 rollout，旨在保留正确性监督并降低对特权指导的依赖。
最近 24 小时暂无可用热度快照。