**Self-OPD：无需教师模型的流匹配在线策略蒸馏**

_Self-OPD: On-Policy Distillation for Flow Matching Models without Teacher_

> Self-OPD是一种无需教师模型的流匹配在线策略蒸馏框架，通过将学生模型自身的探索转化为逐步监督信号，在每个时间步分支出多个随机SDE候选并与确定性基线比较奖励来获得归一化优势。该方法避免了为每个新目标训练专用教师的高计算成本，同时解决了教师与学生分布差异导致的累积误差问题。实验表明，Self-OPD在单目标和混合奖励基准上均优于先前的强化学习和在线策略蒸馏方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.26872)