DuoOPD：基于师生联合结果的多任务在线策略蒸馏

DuoOPD 提出一种多任务在线策略蒸馏方法，由学生结果决定反馈方向、师生联合结果决定教师如何支持：仅教师答对时用其答案作为评分上下文，仅学生答对时按任务内共享权重强化整个回答。在 Qwen3 和 Llama 上，其平均宏准确率超越全部五个基线，较 OPD 分别提升 2.58 和 5.98 个百分点，并在科学计算、指令遵循与代码生成等任务混合上领先。消融显示，联合结果设计贡献了主要增益。