Neighborhood OPSD：用邻近参数扰动改进数学推理模型的在线自蒸馏

研究者提出 Neighborhood OPSD（N-OPSD），通过局部参数扰动构建冻结专家池，在相同参考解上下文下提供互补的参考对齐修正，并用 MaxPeak 选锚点 token、分位数选择匹配专家，学生仍用 OPSD 的 clipped forward-KL 目标学习。