arXiv：cs.AI（全量分类）· Baode Wang, Zuming Huang, Kexuan Ren, Jun Huang, Wei Chu·2026-10-01 12:00· 3 小时前AI 评分35

GAD-RL：通过门控与衰减的在线策略蒸馏提升 OCR 忠实度

Improving OCR Faithfulness via Gated and Attenuated On-Policy Distillation

AI 导读

GAD-RL 通过门控与衰减机制自适应调节教师监督，在 Qwen3.5-2B 上于 CHAOS-Bench 取得 59.92% Micro Recall，分别超越 GRPO 和 GRPO+OPD（固定权重）8.45 和 4.43 个百分点。