教师在分歧点主动生成替代分支，为学生补充原本无法采样的后继状态监督。
推荐理由：关键改进是把师生分歧从局部纠错信号变成轨迹分叉入口，直接补齐替代动作后的上下文监督，有望缓解同策略蒸馏受学生探索能力限制的问题。
阅读原文