LoOPSD：用循环教师做同策略自蒸馏

LoOPSD 通过搜索模型自身的层执行顺序来构造更强的教师模型，并将教师的预测优势蒸馏回学生模型，权重保持不变。在 GSM8K 上以 400-token 思考预算测试，Qwen3-1.7B 准确率从 42.30% 提升至 79.61%，后续蒸馏轮次还能带来进一步增益。该方法在数学与逻辑推理任务上对多个模型均有提升。