更好的监督近在咫尺：邻域在线策略自蒸馏（Neighborhood OPSD）

Neighborhood OPSD（N-OPSD）把局部参数扰动产生的互补参考修正转化为监督，改进数学推理模型的在线策略自蒸馏（OPSD）。在 AIME 2024、AIME 2025 和 HMMT February 2025 上，Qwen3-1.7B、4B、8B 的三基准 Average@12 分别比 OPSD 提升 2.75、1.67、1.94 分。