索引

这里是索引：

Papers

• DeL-ToM 的一些解读，原文
• Social-R1，原文
• syncR2 解读 （施工中），原文
• OPSD在线自蒸馏 , 原文
• SDPO , 原文
• SD-Zero，原文

infra

• KV-cache 初探

画饼

自蒸馏方向：

• Learning beyond Teacher: Generalized On-Policy Distillation with Reward Extrapolation