已收录文章摘要，完整内容可前往原文阅读。
学生推理一旦早早走偏，教师也可能被错误前缀带着走。Relay-OPD 选择在最值得纠偏的位置，让教师短暂接棒再交还学生。随着⼤模型能⼒的持续提升，如何把强模型的能⼒⾼效迁移给⼩模型，正成为后训练阶段的