视觉语言模型中的同策略蒸馏：学生模型会继承教师的失败模式

研究对比了视觉语言模型后训练中的同策略蒸馏（OPD）与过滤式 SFT，发现 OPD 只在教师对学生的自生成轨迹保持可靠时才有效。在教师完成率 99% 的 ChartQA 上，仅用 10% 数据的 OPD 与全量 SFT 相差 1.4 个准确率点；而在教师有 22% 解不完整的 Geometry3K 上，OPD 落后 SFT 7.9 个点，差距主要来自不完整回答。