蒸馏

在常规认知中，Teacher模型的分数越高，蒸馏效果应该越好。

结果发现，由于学生也是Base模型，它与经过GRPO强化的BaseTeacher的thinkingpattern更近（初始OverlapRatio更高），最终的蒸馏效果取得了显著提升。