概念teacher takeover
教师接管
在智能体训练中，指从某个中间状态（通常为学生偏离较大的状态）由教师模型继续执行后续动作直至回合结束，反映教师的长程实际行为策略。
时间轴 (近 90 天)
10月21日
研究者发现，即使从学生偏离最大的状态出发，教师自己的接管（takeover）仍能完成任务，而学生基于教师逐词评分训练后却常常耗尽回合。
待验证50%
10月21日
R2S流程分三步：1）从未训练的学生模型出发挖掘与教师分歧最大的状态；2）从这些状态运行教师接管，并用无奖励检查（共识或LLM评判）筛选接管片段；3）用筛选后的接管数据微调教师评分器，冻结后作为标准OPD的唯一评分器。
待验证50%