当裁剪反转纠正：pointwise forward-KL 在线自蒸馏的失效动力学

在匹配训练条件下，对 forward KL 目标做 pointwise 裁剪的在线自蒸馏（OPSD）训练会产生明显更多、且持续到回答末尾的重复，而未裁剪版本则不会。作者证明裁剪后的目标可能无法把学生模型纠正向教师模型，反而将裁剪与未裁剪 token 的概率都推离教师；训练中裁剪版学生在重复片段内离开重复的概率低于教师、继续重复的概率高于教师。