多教师 on‑policy 蒸馏 (MOPD) 在传统 on‑policy 蒸馏的基础上，引入域路由机制，将不同领域的数据分别送给专门的教师模型，并在学生生成的轨迹上进行密集的 token 级监督。\ \ 然而，域路由仅区分了监督的来源，所有领域的梯度仍然作用于同一套学生参数。当教师在响应风格和领域专长上差异显著时，单独有效的监督在联合优化时会产生持续的梯度冲突，导致学生能力退化。\ \ 为了解决这一问题，本文提出 跨教师守护 (Road MOPD)。核心思路是引入非路由教师作为跨域批评者，使用相同的学生轨迹计算辅助梯度，并通过两种机制协调多教师监督：\ \
- 跨教师引导的信用分配：利用教师之间的一致性来加强那些得到多位教师共同支持的 token 级纠正，同时削弱相互冲突的信号。\
- 预防性多教师梯度投影：在同一轨迹上计算辅助梯度，将潜在冲突的更新投影到与目标域学习信号不冲突的子空间，并根据冲突程度自适应调节投影强度。\ \ 实验结果表明，在冲突严重的设置下，Road MOPD 能显著缓解劣势域的性能下降，提升超过 5 个百分点；在冲突较低以及三域混合的场景中，整体性能也得到稳健提升。\ \ 点评：跨教师守护通过显式建模教师间的一致性与冲突，提供了一套兼顾多领域学习与参数共享的通用框架，为多教师蒸馏的实际部署提供了可行的解决方案。