LOPD：让教师特权上下文可端到端学习的潜在在线策略自蒸馏

研究者提出 Latent On-Policy Self-Distillation（LOPD），将自教师的特权上下文本身变为可端到端学习的连续 latent token，而非依赖人工指定的答案、反馈或技能。