baselabs 质疑 OPSD 后训练路线：提示教师注入的偏差不利长程持续学习

baselabs 发布本周研究 unpack，认为 OPSD 及其变体是热门的后训练研究方向，并肯定原论文在 on-policy 学习与密集反馈上的贡献。但他们指出被提示（hinted）教师注入的偏差与长程持续学习目标相冲突，同时分享了自己的修复尝试、观察以及对相关文献的解读。