研究者提出CARD推理蒸馏框架

Yashuo Luo等研究者提出基于强化学习的认知对齐推理蒸馏框架CARD，将大推理模型的求解轨迹直接转化为与学生认知对齐的教学轨迹，无需昂贵重采样。 该框架用分布对齐奖励和逻辑连贯性奖励两个信号进行优化。研究称，在多个学生模型和设置上，CARD优于原始教师轨迹蒸馏，域外性能提升显著。代码已开源。

AI 根据报道生成 · 30 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。