レビュー MilesがOPDを導入：蒸留をポストトレーニングのプリミティブへ MilesチームがOn-Policy Distillation（OPD）をコア機能としてシステムに統合し、教師モデルの効率的な推論行動を学生モデルへ転移させることに成功した。単一の8×NVIDIA B200ノード上でQwen3.5-35B- LMSYS Miles OPD 模型蒸馏 9時間前 31
