SCOUT 让教师模型适配学生前缀，修复 on-policy 蒸馏的监督失真

SCOUT（Student-COnditioned Updates of the Teacher）让学生模型与教师模型一起学习，教师依据学生的前缀进行适配，从而在陌生的学生路径上保持可靠监督。该方法针对 on-policy distillation（OPD）的「教师问题」：教师需对自己很少走到的路径给出反馈，随着路径变长，即使强教师的 token 级监督也变得不可靠。