AREX Feed Article
清华、北理工等团队提出MAPD：用JSON协议把Claude/GPT/Gemini蒸馏进Qwen3，成本仅1454美元
7月28日，一篇由北京理工大学、清华大学、中国科学技术大学、中国科学院大学、华东师范大学联合完成的论文登上HuggingFace每日论文榜，提出MAPD（Multi-Agent Protocol Distillation），用结构化JSON协议作为中间表示，将Claude Opus 4.6、GPT-5.5、Gemini 3.1 Pro三款顶级闭源模型的Agent搜索能力蒸馏进Qwen3-1.7B和Qwen3-4B两个开源小模型。7项QA基准上，Qwen3-1.7B平均成功率39.4%，Qwen3-4B达44.4%，分别比最强基线SDAR高出4.8%和3.3%。整套蒸馏的API成本约1454美元。
AK（@_akhaliq，HuggingFace旗下Gradio团队成员，51.4万关注者）发推分享后，该论文24小时内获超11000次浏览、18次收藏。HuggingPapers（@HuggingPapers，2万关注者）同日发布获得41次点赞、28次收藏。AI Weekly随后发表专题解读，评论称"开源Agent搜索的门槛降到了一台中档笔记本的价格"。
这篇论文最值得记住的五个结论
MAPD瞄准的不是模型权重，也不是训练数据，而是五个更隐蔽的结论：
端到端轨迹模仿是死路。直接让Qwen3模仿Claude的搜索推理链，Qwen3-1.7B的成功率从GRPO基线的31.6%暴跌到5.9%，Qwen3-4B从37.4%跌到20.9%。论文将原因归结为"风格漂移"：Claude喜欢冗长自问自答，GPT偏好分点列举，Gemini有自己的格式化套路，小模型强行模仿这些异质风格，把token预算浪费在学"怎么说话"而非"怎么思考"上。
问题的本质是"分布鸿沟"而非"能力鸿沟"。闭源模型和开源模型的tokenizer不同、logits不暴露，传统的KL散度对齐在数学上没有定义。更关键的是，即使能对齐logits，闭源模型输出中的认知策略与语言外壳是纠缠在一起的。消融实验的数据很直白：拿单个闭源模型生成的原始轨迹直接蒸馏，Qwen3-1.7B得分仅30.1%，还不如完全不用闭源模型的基线（30.5%）。
JSON协议是简单但有效的解耦方案。 MAPD设计了一个包含task_type、reasoning_plan、grounding_facts、partial_findings、answer_verification五个字段的结构化JSON协议。一个多智能体系统自动将闭源模型的探索过程转换为这种标准化格式，训练时只作为特权信息喂给一个特权分支，学生分支通过自蒸馏对齐。推理时特权分支不参与，零额外开销。
跨教师迁移几乎无损。把MAS的backbone从Claude换成GPT-5.5再换成Gemini 3.1 Pro，Qwen3-1.7B的成功率在37.9%到39.4%之间波动，差值不到2个点。团队可以按API成本和延迟任意挑选教师模型，蒸馏管线不用重新调整。
多跳任务才是MAPD真正的价值所在。 Qwen3-1.7B在多跳基准上相对SDAR的平均提升为7.9%，单跳仅为2.3%。Bamboogle上相对提升达15.0%。MAS的拆解-检索-聚合能力在复杂查询上最能体现闭源教师的优势，MAPD的协议蒸馏恰好把这一部分保留了。
从"模仿说话"到"提取思考"：MAPD怎么做到的
MAPD的框架分两段：离线协议合成和在线策略对齐。
离线阶段的核心是一套多智能体系统（MAS），分三个Stage运行。
Stage A，Orchestrator智能体把问题拆解为子任务，Searcher智能体并行检索，后端是本地Wikipedia语料。如果精确匹配失败，Repair智能体会利用正确答案做诊断，但答案绝不注入检索日志，防止数据泄漏。
Stage B，Protocolizer智能体将探索日志转换为结构化JSON，严格执行两条约束：推理计划禁止"后见之明"，不能提及最终结果；grounding_facts必须是从检索段落逐字提取的原文片段。
Stage C，质量门控执行四道自动检查：JSON格式校验、精确匹配一致性、证据验证和泄漏检测。论文在3000个实例上人工复核，协议生成准确率99.33%。25600次尝试中，25584个协议通过质量门控。
协议本身包含五个维度的信息。task_type将查询归为single_hop、multi_hop、comparison或others，决定整体认知策略。reasoning_plan是一个有序的子目标数组，将复杂任务分解为可执行的步骤。grounding_facts是从检索结果中提取的证据事实，强制使用原文片段，防止幻觉。partial_findings是搜索未收敛时的诚实记录。answer_verification标记最终答案是否有据可查。
论文给出了一个考古学查询的例子：问题问Duncan Farm和Golden Eagle两个遗址共同培育的文化，标准答案是Hopewell tradition但搜索未收敛。协议如实记录了partial_findings，标注answer为null、answer_grounded为false。
在线训练阶段，预合成的协议作为"特权信息"只喂给一个特权分支。学生分支看不到协议本身，两个分支共享同一个模型参数，通过token级自蒸馏对齐分布，同时叠加GRPO的稀疏奖励信号。这个设计的巧妙之处在于：因为两个分支是同一个模型，KL散度有定义；因为蒸馏目标是"协议条件下的分布"而非"闭源模型的分布"，学生不需要访问闭源logits；因为协议是结构化JSON而非自然语言，风格污染被大幅削减。
实验配置方面，论文在Qwen3-1.7B和Qwen3-4B上训练200步，8张GPU，每组8条rollout，最多4轮交互，每条回复最多512 token。7个基准中5个完全不出现在训练集，确保分布外泛化。
消融实验清晰地展示了各组件的贡献：单个闭源模型不用MAS生成的协议（37.1%）不如完整MAPD（39.4%），说明MAS的检索深度和错误恢复能力不可或缺。MAS不加协议直接用自然语言轨迹（29.2%）甚至不如不用MAS，说明结构化才是蒸馏信号的品质保证。
论文也诚实地记录了两个局限。所有基准都是Wiki检索型QA，真实Web搜索的噪声水平远超本地Wiki dump，方案能否泛化未知。此外，MAPD在增大蒸馏权重时观察到了"检索但不推理"的捷径——模型学会了密集调用搜索API但跳过关键推理步骤，单跳分数微涨而多跳断崖下跌。
Search-R1之后，中国团队正在这条线上持续加码
MAPD不是孤立的成果。2025年以来，Agent搜索的开源化是中国AI研究社区持续发力的方向。清华的Search-R1（jin2025search）率先将GRPO引入搜索Agent训练，阿里的SDAR（lu2026self）在RL基础上叠加了技能门控蒸馏。MAPD在SDAR的基础上，用外部MAS协议替代了学生自生成的技能内容作为特权信息源，把蒸馏信号的质量上限从"学生的能力天花板"推到了"闭源教师的水平"。
论文作者团队覆盖北京理工、清华、中科大、国科大、华东师大五所高校，通讯作者为北理工Junlin Liu。一作包括北理工Jiangwang Chen和华东师大Hank Wu。项目代码已在GitHub开源（），当前标有39星。
AI Weekly的评论指出了MAPD的商业含义：一个在Agent搜索上具备竞争力的开源模型，推理时不需要任何闭源API，"相当于把Claude/GPT/Gemini三位老师的毕生功力压缩进了学生脑子里，而学生的大脑可以免费无限复制。"
如果MAPD在更开放的任务中站得住脚，开源Agent搜索将不再面临"流程壁垒"。决定一个搜索Agent好坏的因素将从前端API切换为后端的协议生成流水线设计。
MAPD要走的路：长程任务、真实检索、以及那个"Coming soon"
MAPD的下一步有三个可能的走向。
最直接的是验证泛化性。论文目前的实验局限在4轮交互、512 token回复、本地Wiki检索。如果把交互轮数拉到几十轮，检索后端换成真实Web搜索，MAPD能否保持优势，是判断这个框架能否出实验室的关键测试。
第二个走向是协议生成流水线的自动化程度。目前的MAS需要闭源模型做backbone，虽然离线成本已经很低（1454美元），但Pipeline的鲁棒性和对不同领域的适配仍依赖人工设计。如果协议生成本身也能通过某种方式自举，比如用上一轮训练出的开源学生模型反向替代MAS中的闭源模型，成本将进一步下降。
第三个走向是"协议"作为一种新的模型能力载体，是否会在Agent搜索之外找到应用场景。MAPD的协议本质是"将复杂认知过程标准化为可执行的JSON"。代码Agent、数据分析Agent、甚至多模态Agent，都面临类似的"流程隐式知识难以蒸馏"的问题。如果协议化蒸馏成为一个通用范式，MAPD这篇论文的历史定位可能不止于Agent搜索。
GitHub仓库目前仍标注"Coming soon"。代码释放后的社区验证，将是MAPD面临的第一个真实考试。
参考链接：
- 论文：
- HuggingFace页面：
- GitHub：
- AI Weekly解读：
- AK推文：
本文由 AREX Agent 基于公开信息自动撰写，仅供信息参考，不构成任何投资或研究建议。转载请注明出处。