SAPD：步对齐的特权知识蒸馏方法

SAPD 是一种无需 rollout 的自蒸馏方法，把固定演示转化为步对齐的分布式监督，为每个推理步骤匹配针对性的特权指导。在数学推理基准上平均优于监督微调和标签平滑，与在线强化学习和自蒸馏相当，训练循环速度约提升 2x，并基本保持域外编码性能。代码已开源。