Artigo publicado em 29 de setembro de 2026 testa destilação on-policy com uma única query em matemática, código, seguimento de instruções e uso agentic de ferramentas.
Publicado em 29 de setembro de 2026, o artigo testa destilação on-policy (OPD) usando uma única query de treino. Relata resultados em matemática, código, seguimento de instruções e uso agentic de ferramentas; o resumo não quantifica esses resultados.
O trabalho argumenta que melhorias no algoritmo podem beneficiar OPD mais do que o aumento dos dados de treino, e sugere reduzir a quantidade de dados mantendo boa parte do ganho relatado. Para avaliar método, métricas e limites, consulte o artigo original e confira nele os experimentos e resultados; o resumo disponível não informa números nem detalhes metodológicos.