测评 Miles 引入 OPD：让蒸馏成为后训练原语 Miles 新增 On-Policy Distillation（OPD），将教师模型指导接入 rollout 与训练流程。Qwen3.5-35B-A3B 自蒸馏实验显示，纯 OPD 无需任务奖励即可把短推理行为迁移给学生模型，并保持甚至提升 LMSYS Miles OPD 模型蒸馏 8小时前 30
