从修复后的推理中学习：根因引导的在线策略蒸馏

针对在线策略自蒸馏（OPSD）中参考解法无法解释学生自身推理为何失败的问题，该研究提出根因引导的在线策略蒸馏方法，避免学生只借用正确结论而推理错误未被解决。研究还指出，在整条轨迹上施加同一事后指导会带来蒸馏陷阱，即对有效推理的不必要约束产生干扰。