arXiv Artificial Intelligence· Yashuo Luo, Qianren Mao, Ziqi Qin, Junnan Liu, Haitao Li, Qili Zhang, Yuan Gao, Zhijun Chen, Xu Wang·· 19 小时前AI 评分34
CARD：把求解轨迹转化为教学轨迹的认知对齐推理蒸馏框架
From Solver Trajectories to Teaching Trajectories: Cognition-Aligned Reasoning Distillation
AI 导读
研究者提出基于强化学习的 CARD 框架，将大型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，无需昂贵的重采样。该方法用分布对齐奖励匹配学生预测分布，并用逻辑连贯奖励减少误导性失败推理步骤。在多个学生模型和设置上，CARD 的域内蒸馏效果优于原始教师轨迹，域外性能也有显著提升。
来源：arXiv Artificial Intelligence · arxiv.org