Xincheng Wei

该工作提出 Neighborhood OPSD（N-OPSD）：在 on-policy self-distillation 中，对带参考解答的教师做局部参数扰动得到一批冻结专家，离线按“超出当前专家池最优的过滤参考 token 增益”贪心挑选互补专家，在线用 MaxPeak 选锚 token、再用分位数规则在锚一致的专家中选监督强度，在 AIME 2024、AIME 2025、HMMT February 2025 三项基准的 Average@12 上，相对 OPSD 在 Qwen3-1.7B、4B、8B 上分别提升 2.75、1.67、1.94 分，且推理时只用蒸馏后的学生模型。

该工作提出 Neighborhood OPSD（N-OPSD）：在 on-policy self-distillation 中，对带参考解答的教师做局部参数扰动得到一批冻结专家，离线按“超出当前专家池最优的过滤参考 token 增益”贪心挑选互补专家，在线用 MaxPeak 选锚 token、再用分位数规则在锚一致的专家中选监督强度，在 AIME 2024、AIME 2025、HMMT February 2025 三项基准的 Average@12 上，相对 OPSD 在 Qwen3-1.7B、4B、8B 上分别提升 2.75、1.67、1.94 分，且推理时只用蒸馏后的学生模型。