无需搜索的锐化：序列级幂分布的在策略蒸馏

语言模型可能给正确答案的概率高于任何单个错误答案，却仍常采样到错误答案，因为错误答案的概率总和更大。幂分布将完整答案的概率提升到大于 1 的幂次后重新归一化，从而锐化概率分布，采样可提升推理能力但需为每个查询评分大量候选。该研究提出通过训练让模型一次生成即可产出此类答案，实现序列级幂分布的在策略蒸馏。