**N-OPSD:基于邻域策略自蒸馏提升数学推理模型性能**

_Better Supervision Is Nearby: Neighborhood On-Policy Self-Distillation_

> HuggingFace 社区热门论文提出邻域策略自蒸馏(N-OPSD)方法,通过引入局部参数扰动专家池,为数学推理模型提供更丰富的监督信号。该方法在 AIME 2024/2025 及 HMMT 2025 基准测试中,显著提升了 Qwen3 系列模型(1.7B-8B)的平均准确率,验证了利用邻近参数状态进行自蒸馏的有效性。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39687)