Publicado em 12 de fevereiro de 2026, o artigo examina OPSD, SDFT e SDPO, métodos de self-distillation on-policy que usam feedback mais denso, além de benchmarks e limitações.
Publicado em 12 de fevereiro de 2026, o artigo compara três métodos de self-distillation on-policy: OPSD, SDFT e SDPO. Segundo a descrição, eles usam feedback mais denso; o texto também aborda benchmarks e limitações. A comparação é apresentada como útil para engenheiros que estudam como esses métodos usam feedback para aprimorar o raciocínio dos modelos.
Para consultar e verificar as afirmações, leia o artigo original e confira nele a descrição de cada método, os benchmarks e as limitações citadas. A fonte resumida não informa resultados específicos dos benchmarks, portanto não é possível atribuir a qualquer método uma vantagem ou desempenho particular.