VRSD 用提示词正则化自蒸馏，Pass@1 平均提升 3.9 个百分点

King's College London 与腾讯优图等提出 VRSD，用 system prompt 正则化教师模型对特权信息的使用，改进 on-policy self-distillation（OPSD）训练 LLM 的方式。