大模型 Scaling 撞上成本墙：三星提出 TrOPD 新方法，把前沿智能塞进数亿终端

三星大模型团队联合牛津大学、北京大学提出基于信任域的 On-Policy Distillation 方法 TrOPD，以解决端侧小模型继承大模型能力时，现有 OPD 方法因师生模型能力差距大导致监督信号失真、训练不稳定的问题。研究发现 OPD 训练成败关键在于教师能否对学生生成的每个 token 给出可靠监督，而非散度公式选择。TrOPD 通过识别教师可信监督区域，在信任域内用常规在策略学习，离群区域换用更温和监督，并引入离策略引导主动将学生生成拉向信任区域。实验显示，TrOPD 在数学、代码、指令遵循、STEM 等基准上全面超越现有 OPD 改进方法，且提升不仅限于训练领域，师生模型能力差距越大，其优势越显著，为前沿 AI 以低成本部署到数亿终端提供了新路径。