AsyncOPSD：异步在线策略自蒸馏框架提升训练吞吐量

AsyncOPSD 通过解耦 rollout 生成与学习者更新，使 OPSD 训练吞吐量提升 $1.96$--$2.25\times$。 该框架利用单一语言模型同时充当学生与教师，消除了多模型协调开销，并引入陈旧性感知的策略控制目标。 在三个模型规模的数学推理基准测试中，AsyncOPSD 提高了平均准确率。