Os autores propõem o RAPS-DA, um framework de especialização de pares consciente do regime, projetado para abordar a fragilidade da Geração Aumentada por Recuperação (RAG) quando o contexto recuperado entra em conflito com o conhecimento paramétrico do modelo. Esta abordagem desassocia sinais de aprendizado incompatíveis em diferentes regimes de confiabilidade, treinando pares especializados e aplicando supervisão direcionada.
Os conflitos são categorizados em três regimes — Grounding, Arbitration e Resistance — com um especialista de par de mesma escala treinado por regime a partir de um modelo base compartilhado. As amostras são roteadas rigidamente para seu par correspondente para supervisão reverse-KL in-policy no nível da amostra. Um seletor de camada dupla filtra tokens não informativos e aumenta o peso dos tokens confidentemente desalinhados com base na discordância entre professores e na entropia do estudante. O método alcança ganhos por meio da especialização em uma escala de modelo fixa, com os especialistas de pares existindo apenas durante o treinamento. Os experimentos demonstram que o RAPS-DA supera todas as abordagens de prompting, decoding, fine-tuning, RL e single-teacher em cinco cenários de conflito e dois benchmarks fora da distribuição (out-of-distribution).
Este framework permite que o modelo estudante implantado lide com conflitos de conhecimento heterogêneos sem exigir rótulos de regime ou acesso aos especialistas de pares durante a inferência.