arXiv cs.AI· Yashuo Luo, Qianren Mao, Ziqi Qin, Junnan Liu, Haitao Li, Qili Zhang, Yuan Gao, Zhijun Chen, Xu Wang·· 6 天前AI 评分40
CARD：从解题轨迹到教学轨迹的认知对齐推理蒸馏
From Solver Trajectories to Teaching Trajectories: Cognition-Aligned Reasoning Distillation
AI 导读
研究人员提出基于强化学习的认知对齐推理蒸馏框架 CARD，直接将大推理模型的解题轨迹转化为适配小模型认知的教学轨迹。该框架无需昂贵的重新采样，通过分布对齐奖励（匹配学生预测分布）与逻辑连贯奖励（减少误导性错误步骤）进行优化。实验表明，CARD 的域内蒸馏表现优于原始教师轨迹，并在分布外场景取得显著提升，相关代码已开源。
来源：arXiv cs.AI · arxiv.org