先问分母是谁，这几个数字才读得动。50 倍比的是蒸馏阶段的 FLOPs，GRPO 那一侧压根不做蒸馏，两把尺子得先对齐刻度。50 倍那格的前提是教师换成学生自己的 GRPO 检查点，只在数学上成立；换成外部后训练教师，同等设置下 OPD 每 FLOP 精度普遍输给 GRPO，还常把回复越写越长。5.2% 与 8.0% 说的是蒸馏阶段占专家训练算力的比例，附录 B.1 写明这笔 FLOPs 不含训教师的开销。42.0% 倒是总账，把专家训练和蒸馏一起算，只对 2 领域混合报了，4 领域那档没给总数。还有个更冷的，附录 A 把近年 OPD 论文筛了一遍，按 FLOPs 口径算胜的篇数是零。大家都在比精度，没人比账单，这篇的价值大概就在把秤搬出来。G 取 8 时作者自己写了要多花算力、IFBench 上 45.1% 仍够不着专家，帖子没收这一档。单领域里检查点本来就是想要的目标模型，再蒸一遍纯属多此一举，这条帖子倒是提了。下一步看四领域的总账补不补得上。