ST-OPSD：用激活引导修复思考模型自蒸馏失效

Tiejin Chen 等人在 arXiv 提出 Steered-Teacher OPSD（ST-OPSD），用激活引导改进思考模型的同策略自蒸馏（OPSD）。该方法针对教师模型因能访问参考答案而出现的两类失效模式：参考幻觉和 reconsideration（重新思考）被抑制。 论文称，在 AIME 和 HMMT 上的实验显示，ST-OPSD 相比原始 OPSD 及其他干预方法提升了准确率，同时将 reconsideration 和参考幻觉率恢复到基础模型水平。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。