**OPD²：基于策略的Delta蒸馏提升多语言数学推理能力**

_On-Policy Delta Distillation for Multilingual Math Reasoning_

> HuggingFace社区热门论文提出On-Policy Delta Distillation（OPD²），通过教师模型与基础模型的概率差作为学习信号，在Qwen3上验证其在英语、韩语、日语数学推理中的有效性。实验显示OPD²显著优于原始OPD，尤其在韩语和日语上提升明显，并缩小了英语与韩语的性能差距。研究还发现仅用英语数据蒸馏虽能提升多语言性能，但会导致回答偏向英语，凸显多语言数据的重要性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-07 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.05802)