dOPSD：扩散语言模型的在策略自蒸馏

论文提出 dOPSD，用扩散语言模型自身去噪轨迹中更晚、已解码的步骤，为较早步骤提供教师信息，避免依赖推理时不可得的外部参考答案。在 Dream 和 LLaDA 上，方法据称同时提升域内数学推理与域外代码生成，并优于监督微调及在策略基线。