● 【Agentic RL / 强化学习 / OPD】OpenClaw-RL 源码阅读笔记 --- (2)--- On-Policy Distillation

📌 一句话摘要 本文深入剖析了 OpenClaw-RL 框架中的 On-Policy Distillation (OPD) 机制，详细阐述了其原理、数学形式、与 PPO/DPO/KD 的区别，以及 Hindsight-Guided OPD 的具体实现。 📝 详细摘要 本文是 OpenClaw-R

● 系统聊聊 On-Policy Distillation 的原理

📌 一句话摘要 本文系统梳理了 On-Policy Distillation 的原理、与离线蒸馏和强化学习的对比，并介绍了 OPSD、SDFT、SDPO、OPCD、OEL、G-OPD 等最新研究进展。 📝 详细摘要 文章从大模型预训练、SFT、RL 的基础知识出发，引出知识蒸馏的核心概念，并深入

● 影响 OPD work 的因素有哪些？聊聊 Rethinking OPD 这一路

📌 一句话摘要 本文深入分析了影响 On-Policy Distillation (OPD) 效果的关键因素，包括思维模式匹配、信息增益和跨尺寸蒸馏的挑战，并提出了冷启动和提示选择等实用干预策略。 📝 详细摘要 文章基于清华大学 THUNLP 团队的最新研究，系统探讨了 OPD 在 LLM 训练

● Rethinking On-Policy Distillation of Large Language Models: 现象、机制与配方

📌 一句话摘要 本文系统性地分析了 On-Policy Distillation 的成功条件与失败机制，指出师生模型的思维模式一致性与教师提供增量知识是关键，并揭示了高概率 Token 对齐的微观动态，最后提出了 SFT 冷启动和 Prompt 对齐等实用策略。 📝 详细摘要 文章对近期热门的