让数学、编程和指令专家一起教一个学生模型，听起来像是集各家之长。问题是，有的老师“嗓门”天然更大：即使题目数量相同，它的反馈也可能主导训练，学生最后仍然偏科。论文发现，在初始的 Qwen3.5 4B 学生中，指令遵循专家贡献了合并梯度的 94%，数学能力则没有被充分学到。
作者提出 DN-MOPD。它沿用多教师在线策略蒸馏——学生先按当前能力作答，再由对应领域的专家逐词反馈——但会先做领域归一化：把各领域反馈的波动尺度拉到可比水平，像把难度不同科目的分数换算后再计入总评。这个调整不需要增加教师调用，也不改变题目分配。
据作者实验，在三种尺寸的 Qwen3.5 上，DN-MOPD 相比原方法将六项基准平均分提高 1.17 至 3.08 个百分点，并找回大部分丢失的数学收益。对照实验显示，关键主要不是抬高数学反馈，而是压低过强的指令遵循反馈。