标签：OPSD

北大团队对 On-Policy Self-Distillation 做了一次系统性"体检"：所谓特权信息带来的收益，主要来自前缀分布匹配而非语义；OPSD 是一个敏感算法，不是可靠的通用后训练方法。

解读 Thinking Machines 的 On-Policy Distillation 博客，以及 arXiv:2604.13016、2603.25562、2601.18734、2602.12125 四篇工作，讲清 OPD、SFT 冷启动、teacher-supported region、OPSD、自蒸馏、多专家蒸馏和 log-prob shift 背后的技术逻辑。