On-Policy Distillation：小模型为什么突然能做大模型的活儿

一句话先说清：它到底解决了什么问题

最近半年，"on-policy distillation"（在线策略蒸馏，下文简称 OPD）在大模型团队里很火。Qwen3、DeepSeek、Gemma、小米 MiMo 都在用它训练轻量模型，效果出奇地好，成本还只有传统强化学习的零头。