提出CoRD方法，通过教师-学生分布耦合采样，解决on-policy蒸馏中学生未覆盖状态缺乏监督的问题。

发现策略内蒸馏（OPD）会削弱学生模型对支撑证据的响应能力，导致‘证据绕过’错误保留原答案。

提出OC-OPD，通过学生/教师双向四观测矩阵解耦逆向与正向KL目标，提升蒸馏稳定性与证据对齐。

揭示判别器容量与信息完整性对分布匹配蒸馏效果的关键影响，指出固定小判别器会导致学生模型训练崩溃。