掩码扩散语言模型（dLM）为复杂推理任务提供了一种有前景的并行自回归替代方案。然而，它们面临一个独特的信用分配挑战：去噪过程中的少数几次关键决策会大幅降低剩余掩码位置上的不确定性，并决定大部分回复的内容。现有的大多数 dLM 后训练方法并没有利用这一信号来决定对哪些 token 进行训练：它们通常对最终文本进行训练，或将奖励分配给整个去噪步骤，而不是选出那些真正塑造回复的关键决策。我们提出 Pivot-SD，一个高效的离线自蒸馏框架，仅对这些高影响力的关键决策（pivot）进行监督。Pivot-SD 使用一种基于信息增益的指标来选择 pivot，该指标衡量关键决策对剩余掩码位置不确定性降低的程度。来自成功轨迹的 pivot 通过交叉熵进行训练，来自失败轨迹的 pivot 则通过有针对性的 unlikelihood 进行训练，而失败轨迹的其余部分保持不变。仅使用200个问题、每个问题4次采样，Pivot-SD 在数学和代码基准上均以更少的算力超越了全序列 SFT 与预算相当的扩散 RL 基线，改进了 LLaDA-8B-Instruct 的表现。