OPPD 可能把多候选推理搜索蒸馏进一次生成，但作者结果需要按完整算力成本复现。
建议动作一天内用公开代码在一个小模型和 100 道 MATH-500 上复现单次生成收益，并记录训练算力与 GRPO 基线。
判断复核于 2026-10-07 · 依据：OPPD 把昂贵的答案搜索蒸馏进一次生成