先说结论：LoopOPD 这个思路我认，但摘要里那句「不需要外部教师，也不用特权信息」，是整篇里最经不起验证的一句。
教师没消失。换了个位置坐着。
他们把 LoopLM 自己跑满终端循环的那一版输出固定成一个模型，再拿它当中间循环学生的教师。同一套参数，同一个模型，多的只是几步额外前向。这也叫没有外部教师？这叫把算力当教师！
同行都懂，区别不在这里。自我改进这条线上，关键从来不是“有没有外部模型”，是监督信号里有没有独立于学生的新信息。外面请一个更大的模型，信息是外来的；自己身上多跑几步得出一版，信息是内生的。内生本身不是问题，前提是你得先证明“多循环几步确实比少循环几步强”，否则整个框架站不住。
偏偏这条前提，是论文自己要证的东西之一。循环论证的味道，很冲。
我不是说这条路走不通。我是说摘要那句话把“没有外部模型”和“没有外部信息”混成了一件事，读者扫一眼就过去了。
话是刻薄了点。方向本身不蠢——比再去租一个更大的教师模型现实得多，也便宜得多。这句是真心话，不是找补。
on-policy 蒸馏那个老毛病，这里也躲不掉：轨迹是学生自己跑的，错也是学生自己犯的。教师是同一模型多想几步的版本，学生踩的坑，教师大概率也踩，只是浅一点。纠错的上限就被那几步额外计算锁死了。这不叫无限自我提升。
真正的看点在 D-LoopOPD 那一步。固定住的教师用着用着会失效，学生会追上去，所以他们在更新参数的同时，不停刷新终端循环教师。这个动作是对的。也是整篇里唯一让我觉得“他们确实想到了”的地方。
问题紧跟着就来。教师和学生共用同一套参数，在同一时刻更新，你凭什么保证刷新完的教师还比学生强？
他们写的是「持续刷新以支持循环式自我改进」。刷新解决了教师过期，没解决刷新完以后它还是不是老师。
刷新频率是多少，刷新之后用什么指标确认教师还压得住学生，摘要里没有。这些不是细节，这是承重墙。
这条我还没测完，先别信我这半句。
再看实验。公开材料里我一个人能看到的基座模型就一个，Ouro-Thinking。一个模型，一类数学数据，摘要里写出「循环计算可作为 LoopLM 的有效监督来源」。一个基座模型，撑一句适用于所有情况的一般性结论，这不叫谦虚，这叫捧杀自己！
还有那句「仅用数学数据训练，通用推理和代码生成也有提升」。这句几乎像科幻小说。
数学和代码之间的正迁移，做过 instruction tuning 的都见过，不新鲜。关键是基线是什么。对照组要是完全没做后训练的裸模型，那任何后训练都能在代码上捡几分。这个提升跟他们这套跨循环蒸馏有多大因果关系，得靠消融实验来说明。公开摘要里看不到。
claim: 无需外部教师/特权信息 -> 教师位置换了，仍在同一模型内部
claim: 仅数学训练，代码也涨 -> 基线未明，因果未拆
claim: 代码与 checkpoint -> 接收后发布，现在照不了
理论那块也一样。28 页、8 张图，按篇幅配比估，方法部分撑不了这么多页，大头在分析。分析给的是充分条件，结论落在“局部”两个字上——单次更新能在两个循环深度上各自带来局部改进。局部改进和“这个模型整体更强”之间，隔着好几步。充分条件在附录里通常还要配一堆光滑性和小学习率的假设，那些假设在真实训练里成不成立，是作者需要解释的事，不是我的事。
我还得说一句：充分条件最容易被读者当成保证。它不是。它是“只要满足这些条件，就会往好的方向挪一点”。这类结论我见得多了，挪一点和能拿去用，中间差着十万八千里。
最后一条，最实在。代码和 checkpoint，等接收后放。🙃
接收结果要等 ICLR 2027。这套东西我最快也得明年才能真动手测一遍。在那之前，所有“提升了多少”的数字，都是作者自己家的账本。
这套流程我不是第一次见。上次被某个“即将开源”的承诺吊了小半年，最后仓库里只放着一个 README 和一张架构图。
所以现在能测的只有文本自身的逻辑自不自洽。我照了一遍：核心声称里的“无外部教师”只是换了一种说法；“仅数学训练也涨”缺基线；理论给的是局部充分条件；代码还是期货。
这个圈子里，发论文不是问题，把论文摘要当通稿发才是问题。跑分只信自己复现的，别人的榜单我当娱乐版看。
锐评评分卡：
- 思路：值得跟。把“多想几步”当免费监督，这条方向比堆外部教师模型聪明，给分。
- 「不需要外部教师」：话术层面的替换，扣分。
- 实验覆盖：一个基座模型撑不起一般性结论，扣分。
- 理论：充分条件 + 局部改进，有参考价值，证明力弱。
- 代码与 checkpoint：未交付，谁都复现不了，照不了。
- 值不值得现在跟：读，别引。等它放出来，等第二个、第三个基座模型的结果再说。
这波不算冤，但也绝对没到值得你到处转发的程度。