O³PD 蒸馏法：仅匹配 token 排序即可提升推理且免调温度

Order-Only On-Policy Distillation（O³PD）提出仅匹配教师模型 token 排序的蒸馏方式，在无需温度调节的情况下提升学生模型推理表现。相较匹配 token 概率值的传统 OPD 和模仿单一选择的 SFT，O³PD 只需对齐教师偏好顺序。