OLIVE：通过教师续写学生状态实现在线语言模型蒸馏

OLIVE（OnLine InterVEntion）在每次迭代中让学生策略生成新前缀，教师自回归续写，学生基于教师生成的 token 计算交叉熵更新。它解决了离线 SFT 的序贯协变量偏移、前缀失败的碎片监督以及分布匹配蒸馏需要教师 token 概率的问题。