OASIS：在可验证 scaffold 上做 OPSD¶

复现级别：L1 选择与损失机制。 实现 shortest verified scaffold、独立同题 context 和 clipped forward-KL。

论文信息¶

字段	内容
论文链接	arXiv v1
公司/机构	North South University（第一作者）
首次公开日期	2026-09-29（arXiv v1）
原文开源代码	否：截至 2026-09-30 未找到原作者仓库
Adapter	`oasis-opsd`
本地复现代码	`src/auto_research/post_training/latest_20260930_followup.py`

背景与主要改动¶

OASIS 把“在哪里监督”和“teacher 看什么 context”解耦：从同一题的 on-policy rollouts 中选最短的已验证轨迹作为 scaffold；teacher context 优先使用另一条未验证尝试；没有 verified rollout 的题不产生训练信号。这样只需要最终答案 verifier，而不需要 gold solution。

原论文关键图¶

原论文 Figure 1，展示 teacher 优势集中在失败轨迹及 OASIS 随规模保持收益。图片来自原论文，版权归原作者所有。

本地复现¶

测试保证未验证短轨迹不会被误选、teacher context 与 scaffold 不同、mask 外 token 无梯度。三种子机制结果见 metrics/mechanism-seeds42-44.json。未运行 Qwen3 1.7B–8B rollout/training，属于机制实现，不宣称 AIME/HMMT 增益。