并非每个 Token 都值得蒸馏：Direct-OPD 的选择性监督方法 S²D-OPD

针对 Direct-OPD 用 token 级对数比做稠密监督的缺陷，研究者提出 S²D-OPD，按教师参考 JSD 对学生采样状态排序，屏蔽低散度状态的监督，每条回复仅保留前 10% 状态。在 1.7B 至 8B 的四个学生模型、两组教师模型上，该方法在 AIME 和 HMMT 基准的八种设置中有七种超越稠密 Direct-OPD，另一种持平，且无需额外前向计算。