TraceForge：用学生模型自身风格生成推理轨迹做蒸馏

TraceForge 提出一种蒸馏替代方案：在教师模型隐藏推理轨迹不可得时，以教师答案和上下文为输入，由生成器自行写出学生模型家族风格的推理轨迹，配合对抗训练的 critic 筛选。独立判官的真实性评分显示其轨迹平均 0.68，接近真实轨迹的 0.66，critic 筛选后达 0.82。在相同 5,000 题和教师答案下，HumanEval+ 提升 3.7 点、MBPP+ 提升 7.1 点。