按证据可靠性专门化训练，增强异构知识冲突下的RAG

检索增强生成RAG以外部上下文提供证据，但当检索内容与模型参数知识冲突时可能失效。冲突涉及可靠、部分可靠和对抗性证据，统一监督容易混合不兼容信号。RAPS-DA在两个粒度上区分这些信号：样本层将冲突分为依从证据Grounding、仲裁Arbitration和抵抗Resistance，从同一基础模型分别训练同规模专门模型；每个样本路由到对应模型，以同策略反向KL监督。词元层的双层选择器根据教师间分歧、师生差异和学生熵筛除无信息或不稳定词元，提高高置信但错位词元的权重，并随学生成熟聚焦高冲突词元。收益来自固定模型规模下的专门化，而非更强教师；这些专门模型仅用于训练，部署学生无需场景标签或访问它们。在五类冲突场景和两个分布外基准上，方法优于所比较的提示、解码、微调、强化学习与单教师基线。