**MOPD：多教师在线策略蒸馏实现大模型能力整合**

_MOPD: Multi-Teacher On-Policy Distillation for Capability Integration in LLM Post-Training_

> HuggingFace Daily Papers 推荐论文提出 MOPD 方法，通过多教师在线策略蒸馏解决大语言模型后训练中多能力整合难题。该方法利用领域专用 RL 教师，在学生自身轨迹上进行蒸馏，消除暴露偏差并提供密集优化信号。实验显示，MOPD 在 Qwen3-30B-A3B 上优于 Mix-RL 等基线，成功继承各教师能力并支持并行开发，已部署于工业级前沿模型 MiMo-V2-Flash。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.30406)