论文12:28无监督自蒸馏：U-OPSD仅靠模型自身生成提升推理能力不需要标注和外部反馈，U-OPSD靠投票让Qwen3数学成绩再涨一截，追平甚至超过OPSD和GRPO。#U-OPSD#Qwen3#OPSD#自蒸馏aarXiv cs.LG@Yijiang Li 等 6 人原文稍后读已读值得跟进有用关注 U-OPSD