速评：8月3日挂arXiv那篇少步蒸馏扩散语言模型的OPTD，全篇最有味道的一句是"不使用黄金参考答案"。
就冲这句，我把全文读完了。判断：话是实话，水分不小。
所谓"不用参考答案"，说白了是扔掉硬标签，把教师模型的预测当软目标。"与结果对齐"对齐的是谁的方向？教师认为对的方向——跟参考答案之间就差一层包装纸，这算哪门子"不用"？
硬标签换成软标签，再宣布"不使用参考答案"，约等于考试作弊从抄答案升级成抄学霸的答题思路，然后对着监考老师说全靠自己发挥。这类比打到一半我自己也觉得不贴切，但意思到了。
不过我得说句公道话：蒸馏这个方向本身不水。"离策略监督失配"这个诊断，我认为是诚实的——教师跑出来的轨迹不等于学生实际在走的轨迹，步骤压得越狠，失配越重。把监督拉回学生自身的轨迹上，这个方向对，不是换皮蹭热点的水论文。
只是这个招数不新。在自身轨迹上做约束、做蒸馏，强化学习那边的老套路，换个domain，换套术语，内核还是那句：你教的东西，得是学生真在走的路上遇得见的。这剧本，眼熟。
一码归一码。OPTD值钱的是诊断，不是口号——把"不使用黄金参考答案"这句宣传语撤下来，老老实实说这是少步蒸馏的扎实改良，我给的分只会更高。
离策略监督失配这个诊断，配上"冻结教师做KL锚点"的手法，其实是能干活的东西。可惜口号喊得太响，反倒没人认真看它干了什么。
这里立个flag：这方法大概率会在半年内被吸收进主流蒸馏库，到时候新闻稿会说"新范式"三个字；而"不使用黄金参考答案"这句话，不会再有人提。