同策略蒸馏的统一逐Token门控：多通道与偏置系数的FKL/RKL混合

前向/反向 KL 损失的每个Token门控已成为同策略知识蒸馏（OPD）的标准技术，但现有方法如 EOPD（Jin 等人，2026）和 ToDi（Jung 等人，2025）均固定单个门控信号和单个门控方向，两者从未直接比较。我们引入了四系数参数化 lambda_t = sigma(a * h_t + b * u(x) + c + d * gap_t)，其中 EOPD 和 ToDi 的方向对齐代理显示为一维 (1D) 限制，并添加了多通道组合和显式偏差作为进一步的自由度。在 TweetEval（Barbieri 等人，2020）情感和仇恨方面，在 Qwen3-32B 教师和 Qwen3-4B 学生的帮助下，整个系列中的配置达到了比 36 个可比细胞中的 33 个匹配幅度单通道（仅熵/仅间隙）一维限制更高的精度，并且 26 细胞均值匹配隔离实验将动态门控置于有效 KL 匹配静态基线之前26 个单元中的 19 个。由于细胞共享训练数据、模型和参数子结构，因此我们将这两种计数报告为探索性聚合方向证据，而不是独立的假设检验。此次扫描选出的九个标题比较的目标三种子配对复制（包括第三个任务，进攻性任务）在方向上是一致的，但单独小于单种子估计，并且在 n=3 时并不显着。因此，我们主要将参数化呈现为共享坐标系，用于比较短输出分类 OPD 中的每个Token门控设计。