在线策略蒸馏（On-Policy Distillation, OPD）的核心难题是如何从教师模型中提取有效的监督信号，传统方法依赖token概率或直接对齐隐藏状态，各有局限：token概率可能低估教师内部知识，直接对齐隐藏状态会迫使迁就教师特征空间，跨架构迁移时尤为棘手。