OPD² verbessert mehrsprachiges mathematisches Denken mit Qwen3

Forschende stellen On-Policy Delta Distillation, kurz OPD², als Variante der On-Policy-Distillation für das Post-Training von LLMs im mehrsprachigen mathematischen Denken vor. In Experimenten mit Qwen3 auf Englisch, Koreanisch und Japanisch schnitt OPD² durchweg besser ab als der ursprüngliche OPD-Ansatz, mit besonders deutlichen Zuwächsen bei Koreanisch und Japanisch. Die Studie ergab außerdem, dass rein englischsprachiges OPD die Leistung in Koreanisch und Japanisch verbessern kann, Antworten aber stärker in Richtung Englisch verschieben kann.