據報導，NVIDIA 與 MIT 研究人員發布了 Lightning OPD（Offline On-Policy Distillation），這是一種用於大型語言模型的新型後訓練框架，可消除在訓練期間維持教師模型持續運行的需求。透過離線預先計算教師模型的對數機率，該框架可使訓練效率提升 4 倍，同時釋放所有 GPU 資源用於學生模型訓練。
在 8 張 NVIDIA H100 GPU 的測試中，Lightning OPD 成功蒸餾了 Qwen3-30B-A3B-Base（具 300 億參數的 MoE 模型），並在 AIME 2024 基準測試上達到 71.0；相較之下，標準 OPD 在相同硬體上因記憶體不足而失敗。對於較小的 Qwen3-8B 模型，該框架僅需 30 個 GPU 小時計算時間即可達到 69.9 分。
