猫娘大模型的自进化：On-Policy Self Distillation让猫娘自己涌现推理能力，无需外部教师！

本文基于 MiniCPM5-2B 构建猫娘数学推理模型，并探索 On-Policy Self Distillation（OPSD）驱动的自进化训练。模型先通过 NekoMath 完成冷启动，再从自身已验证的正确轨迹中学习。实验对比 RFT 与 Neko-OPSD，结果显示后者在三个随机种子下均进一步提升数学表现，平均 Pass@4 达 69.62%。