arXiv cs.AI· Yashuo Luo, Qianren Mao, Ziqi Qin, Junnan Liu, Haitao Li, Qili Zhang, Yuan Gao, Zhijun Chen, Xu Wang·· 2 小时前AI 评分40
从解题轨迹到教学轨迹：认知对齐推理蒸馏框架 CARD
From Solver Trajectories to Teaching Trajectories: Cognition-Aligned Reasoning Distillation
AI 导读
CARD 是一个基于 RL 的认知对齐推理蒸馏框架，把大推理模型的解题轨迹直接转换为贴合学生模型认知的教学轨迹，无需昂贵重采样。它通过分布对齐奖励与逻辑连贯奖励两个信号优化，减少误导性的失败推理步骤。在多个学生模型与设置上，CARD 的域内蒸馏效果优于原始教师轨迹，域外性能提升明显，代码已公开。
来源：arXiv cs.AI · arxiv.org