在线策略蒸馏

VOLD：通过在线策略蒸馏将推理能力从大语言模型迁移到视觉语言模型

VOLD: Reasoning Transfer from LLMs to Vision-Language Models via On-Policy Distillation

把纯文本 LLM 的推理能力通过 on-policy 蒸馏迁移到 VLM，视觉研究者可直接复用其「SFT 冷启动对齐 + GRPO 在线蒸馏」流程来缓解图文推理数据稀缺问题。