研究者提出CARD推理蒸馏框架，将求解器轨迹转为教学轨迹
热点事件持续更新
研究者提出CARD推理蒸馏框架，将求解器轨迹转为教学轨迹
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yashuo Luo等研究者在arXiv论文（arXiv:2610.36445）中提出Cognition-Aligned Reasoning Distillation（CARD），一个基于强化学习的推理蒸馏框架，将大型推理模型的原始求解器轨迹转化为与学生模型认知对齐的教学轨迹，代码已开源。 针对求解器轨迹与学生认知不匹配的问题，CARD直接转换已有轨迹而无需昂贵的重采样，并用分布对齐奖励与逻辑连贯性奖励两种信号进行优化。研究者称，CARD在域内蒸馏中优于原始教师轨迹，并在分布外性能上取得显著提升。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
CARD：面向认知对齐的推理蒸馏，将求解器轨迹转化为教学轨迹报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AICARD：面向认知对齐的推理蒸馏，将求解器轨迹转化为教学轨迹
研究者提出 Cognition-Aligned Reasoning Distillation（CARD），一种基于强化学习的推理蒸馏框架，解决大型推理模型（LRM）原始求解器轨迹与学生模型认知不匹配的问题。CARD 直接转换已有轨迹，无需昂贵重采样，采用分布对齐奖励与逻辑连贯性奖励两种信号优化，在域内蒸馏优于原始教师轨迹，并在分布外性能上取得显著提升，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。