BranchOPD：基于分支采样的 On-Policy 蒸馏方法

论文提出 BranchOPD（Branching On-Policy Distillation），用学生不确定性和师生分歧选择关键决策点，从共享前缀重采样学生策略分支，并对主轨迹与分支施加 token 级教师监督。