构建答案匹配六视角数据集，发现OPSD收益主要来自蒸馏本身，特权参考的额外增益很小且依赖训练轨迹

把每篇论文改造成可验证训练环境，双阶段利用评分标准进化科研计划生成能力

把执行轨迹建成状态图，定位首个偏离断点，仅对恢复段做局部监督的自蒸馏框架

让仓库自合成 Issue 并蒸馏项目专属技能，破解 SWE 智能体冷启动

让特权状态按需介入自蒸馏，使编辑后的LLM能拆分新知识并组合多跳推理

用递归贝叶斯信念更新为长程智能体RL做回合级信用分配

首个支持用户与世界内角色进行社交互动的视频世界模型

按教师信号的局部持久性，为每个 token 分配自适应蒸馏权重。

用工具执行结果构造轮次级多视野事后监督，自适应调制强化学习优势。

将特权偏移重解为反事实敏感度，重分配 GRPO token 信用以提升长链推理。

把在线自蒸馏视为β=1的KL正则化策略优化特例，借logit插值与回报到当前信贷分配改进推理

用原图与擦除图像的预测对比构造自蒸馏目标，无需外部教师或答案提示。

用持久的世界状态寄存器让多智能体视频世界模型保持跨视角一致性

按轨迹正确性分流的混合自蒸馏框架，统一RLSD稳定优化与OPSD方向纠正。

构建可验证的离线维基百科环境，让搜索智能体自蒸馏迭代进化。

用像素对扭曲流场从图像编辑样本实时生成视频编辑训练数据

用理论ground库与自蒸馏让模型在用户母语中做文化适配的道德推理。

从扩散解码轨迹中自生成特权信息，实现dLLM的有效在策略自蒸馏

SDPO在专业化任务上表现强劲但持续学习中易遗忘

TAPO通过构建微观反思轨迹，让模型从自己的错误中学习，在数学推理任务上显著提升表现