像两位老师用不同方式给句子断词，若要求每个词一一对应，经验就很难直接传下去。SimpleOPD 解决的正是这个问题：长上下文教师和短上下文学生即使分词器不同，也能进行在线策略蒸馏——让学生先按自己的方式作答，再由教师评价这条实际生成的推理轨迹。
它最巧的一步，是把双方的答案还原成同一段文字，只监督起止位置和文本内容都完全相同的 Token——模型处理文字的基本单位；其余无法可靠对应的位置不强行配对。论文还发现，直接蒸馏会让学生越写越长，频繁超出上下文窗口，也就是一次能处理的 Token 上限。作者因此加入约束，限制学生偏离初始策略，并避免教师反复压制“结束作答”。
据作者实验，Intern-S2-Preview 在数学证明测试 ProofBench 上从 34.0 升至 55.2，提高 21.2 分。这个结果说明，迁移长推理能力未必要求师生使用同一套分词方式；不过效果数字目前来自论文自述。