**从自我未来学习：用于扩散语言模型的在线策略自蒸馏**

_Learning from the Self-future: On-policy Self-distillation for dLLMs_

> 提出d-OPSD，首个针对扩散大语言模型的在线策略自蒸馏框架。方法利用自生成答案做后缀条件，监督从token级转为步骤级，实现从‘自我未来经验’学习。在四项推理基准上，d-OPSD以更高样本效率持续优于RLVR和SFT，仅需约10%的优化步骤。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-17 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.18195)