SeOPD：用自生成思维链在线蒸馏实现LLM自我进化

Xiaoshu Chen 等在 arXiv 论文（2026-10-08，cs.AI）中提出 SeOPD 方法：让同一个大语言模型先以深度思考模式生成思维链，再以非思考模式生成回答，并用前者作为特权信息为后者提供逐 token 监督，实现在线策略蒸馏。 作者称，该方法可将推理过程中产生的新信息吸收进共享模型参数，从而同时改进非思考与深度思考能力。基于论文摘要，实验覆盖多个大语言模型和多种任务并显示方法有效，但具体实验细节未说明。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。