有效性校准的推理蒸馏

研究者提出“有效性校准的推理蒸馏”框架，将推理蒸馏视为局部学习信号分配问题而非轨迹模仿：在同一前缀下比较学生与教师提出的下一步动作，用相对局部有效性调节蒸馏更新强度。该方法在数学、代码和指令遵循基准上优于强蒸馏基线。