OPD 针对 GRPO 的计算效率解析：多教师策略显著降低总 FLOPs

系统对比显示，通用场景下 OPD 效率不及 GRPO，但在教师为同一模型 GRPO 检查点时，数学任务仅需 50 倍更少的 FLOPs 即可复现同等精度。 采用多教师 OPD 整合各领域专家，蒸馏阶段仅占 5.2% 至 8.0% 训练 FLOPs，使双域任务总计算量减少 42.0%。 该方法在保持同等精度的同时，大幅优化了跨域多任务场景下的整体计算成本。