MPOPD：改进在策略蒸馏的提出策略方法

论文提出混合提案在策略蒸馏（MPOPD），针对在策略蒸馏（OPD）中固定提出策略导致的教师-学生失配问题，设计了一种基于相对教师支持的局部信任区域目标。 该方法构建学生策略与教师策略的几何混合分布，通过近似提案策略实现单次前向传播生成轨迹，在16个数学、知识与医学推理基准测试上验证了优势。