يقترح المؤلفون RAPS-DA، وهو إطار عمل لتخصص الأقران الواعي بالنظام مصمم لمعالجة هشاشة التوليد المعزز بالاسترجاع (RAG) عندما يتعارض السياق المسترجع مع المعرفة البارامترية للنموذج. يفصل هذا النهج إشارات التعلم غير المتوافقة عبر أنظمة موثوقية مختلفة من خلال تدريب أقران متخصصة وتطبيق إشراف مستهدف.
يتم تصنيف الصراعات إلى ثلاثة أنظمة — التأسيس، التحكيم، والمقاومة — مع تدريب متخصص قرين واحد بنفس المقياس لكل نظام من نموذج أساسي مشترك. تُوجّه العينات بشكل صارم إلى القرين المطابق لها لإشراف reverse-KL على السياسة (on-policy) على مستوى العينة. يصفّي مُنتقي الطبقتين الرموز غير المفيدة ويعطي وزناً أعلى للرموز غير المتوافقة بثقة عالية بناءً على عدم الاتفاق بين المعلمين وإنتروبيا الطالب. تحقق الطريقة مكاسبًا من خلال التخصص عند حجم نموذج ثابت، حيث توجد الأقران المتخصصة فقط أثناء التدريب. تُظهر التجارب أن RAPS-DA يتفوق على جميع أساليب التوجيه (prompting)، والاستنتاج (decoding)، والضبط الدقيق (fine-tuning)، والتعلم المعزز (RL)، والأساسيات ذات المعلم الواحد عبر خمسة سيناريوهات صراع ومعياريين خارج التوزيع.
يتيح هذا الإطار للنموذج الطالب المُنتشر التعامل مع صراعات المعرفة المتباينة دون الحاجة إلى تسميات النظام أو الوصول إلى الأقران المتخصصة أثناء الاستنتاج.