**Flux-OPD：基于动态上下文的策略蒸馏方法**

_Flux-OPD: On-Policy Distillation with Evolving Contexts_

> 针对开放域大语言模型训练中缺乏可验证奖励的问题，本文提出Flux-OPD方法。该方法通过分解反向KL散度发现学生模型被蒸馏为上下文条件教师模型的几何均值，且目标函数包含衡量教师间冲突的项。Flux-OPD利用上下文差异信号作为修正量注入锚定教师，并根据冲突项权重调整修正强度，在开放任务上优于现有策略蒸馏范式。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-31 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.28022)