#On-policy distillation

做 LLM 训练系统的工程师应该看这篇：它量化了 OPD 在多大失配下不掉质量，FP8 加异步 rollout 能比同步 BF16 快 1.62 倍达到同样效果，还附了能直接复用的校准脚本和代码。