用在线蒸馏缓解长度扩展税：Length Self-Distillation（LSD）

研究提出 Length Self-Distillation（LSD），将已解出的提示词路由到 on-policy 蒸馏，未解出的提示词保留原 RL 目标，以缓解 RL 后训练中的长度扩展税（LST）——即已解出问题上响应过长却无相应准确率提升。LSD 使用指数移动平均。