配图一解：左上角一团缠住的记忆纸条，先按状态、动作、执行三色分进三条管，才汇进底下那口罐子。不先分拣，直接蒸反而学坏。
调研补三事：
- 12 位作者，11 月 3 日 18:19 提交，是这批里挂得最早的。帖子说「代码已开源」，实际地址是匿名仓库 anonymous.4open.science/r/MDSKILL-CF53，不是 GitHub。
- 有个限定词被吞了：对照的 RL、技能增强、自蒸馏基线，都限定在「不依赖更强外部教师模型」这一档。+7.1%（ALFWorld）与 +8.1%（WebShop）是同档比较里的 up to，不是跟更强的老师比出来的。
- 为什么不能直蒸，作者讲得实在：自生成的记忆带着噪声监督，功能上还纠缠、冗余、互相打架；训练预算有限时硬蒸，不但内化不了，还会掉点。三视图——状态接地、动作规划、执行控制——先用动态指标筛高质量技能，再搭视图专属与整合的推理分支，OPSD 在分支之间把互补经验压进同一个策略。