#LLM后训练

APSD：按正确性不对称蒸馏，2.6倍训练加速LLM后训练

APSD提出正确性依赖的非对称自蒸馏目标：正确rollout用插值保留成功行为，错误rollout用外推强化纠正，在Qwen3模型上以2.6倍更少训练步数达到SDPO性能。