**BranchOPD：通过分支策略优化在线策略蒸馏**

_Branching On-Policy Distillation_

> 提出BranchOPD方法，利用学生不确定性选择决策点并重新采样分支，在有限采样预算下提升监督覆盖率。该方法在数学和智能体任务中显著优于传统OPD，并通过共享前缀复用降低约19%-31%的生成成本。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.13481)