Trajectory-Refined Distillation：轨迹级修正缓解 LLM 在线策略蒸馏的前缀失效

针对大语言模型在线策略蒸馏（OPD）中因前缀失效导致的教师混合双峰与梯度碎片化问题，研究者提出轨迹级修正方法 Trajectory-Refined Distillation（TRD），在蒸馏前于在线策略支持范围内修正学生轨迹的问题前缀。