答案更准确，证据约束更弱：同策略蒸馏中的证据绕过

同策略蒸馏（OPD）能够提高答案准确率，却可能削弱模型对支持性证据的响应能力。我们在科学文献问答任务中，通过配对文档干预研究这种分离现象：在保持问题和无关上下文不变的情况下，改变文档所支持的答案。我们识别出一种证据绕过现象：当文档发生变化、转而支持另一个答案后，学生模型仍保留原本正确的答案。在 QASPER 上，以 Qwen3-4B 为学生模型时，标准 OPD 将原始文档准确率提高了 3.4 个百分点，却使反事实准确率下降了 5.3 个百分点，并使证据绕过率提高了 15.7 个百分点；PeerQA 上也呈现出相同方向的变化。受控扰动实验将这一变化定位于决定答案的关键证据，而且学生模型在蒸馏前的闭卷设置下越偏好原始答案，证据绕过现象就越严重。我们针对教师目标、特权信息、散度和监督密度开展了因素分解研究，发现向教师模型明确提供经过标注的答案关键文本片段，能够在证据响应能力和论断支持度方面带来最大的联合提升。基于这些发现，我们提出 Evidence-Paired OPD（EP-OPD）：对支持同一问题不同答案的配对文档实施同策略监督，并结合答案级间隔约束，使每份文档所支持的答案优于其配对文档支持的另一答案。在两个数据集和两种学生模型规模上，EP-OPD 挽回了标准 OPD 所造成的反事实准确率损失的 54–66%，同时保留了其原始文档准确率增益的 80–85%。我们的结果表明，除答案准确率外，证据响应能力也应作为一项独立的训练和评估目标。代码已公开发布于：https://github.com/RuoranXu/EP-OPD。