BranchOPD：分支式在线策略蒸馏

研究者提出 BranchOPD（Branching On-Policy Distillation），利用学生模型不确定性和师生分歧选择决策点，从共享前缀重采样学生策略续写，并对主轨迹与分支同时施加 token 级教师监督。