分布对齐

北大林宙辰团队提出DistDF，基于最优传输对齐联合分布，解决MSE独立性假设偏差，在ICLR 2026发表。实验表明其提升多种模型泛化性能，适用于语音、轨迹等序列任务。

研究发现SFT后直接上RL，模型性能可能先降后升，RL在替SFT还债。PRISM提出SFT→分布对齐→RL三阶段，通过混合专家判别器纠正感知与推理漂移，实验显示平均提升4-6个点。