LSD 在线蒸馏法消解 RL 后训练的「长度税」，减少近 23 个百分点

Length Self-Distillation（LSD）用 on-policy 蒸馏消解 RL 后训练的「长度税」：已解决的 prompt 路由到蒸馏、未解决的保留原 RL 目标，教师模型取在线策略的指数移动平均，无需外部模型。