清华大学团队通过拆解On-Policy蒸馏的黑箱，揭示了“思维模式一致性”远比模型规模更重要，并指出高分模型未必具备高效教导学生的能力。这一洞察重塑了模型后训练的工程逻辑，为高效小模型的研发提供了核心算法处方。