ST-OPSD：激活引导改进思考模型同策略自蒸馏

2026年10月25日，arXiv 的 cs.AI / cs.LG 板块出现一篇关于 ST-OPSD 的报道，题为“引导教师改进思考模型的同策略自蒸馏”。报道称，ST-OPSD 针对同策略自蒸馏（on-policy self-distillation）中的两个问题：其一为“参考幻觉”，即教师引用不可用的参考；其二为“反思抑制”，即模型在不确定步骤不进行验证与修改。该方法借助激活引导，抑制教师引用不可用的参考，并鼓励模型在不确定步骤验证与修改；同时从模型生成的推理轨迹中提取两个方向并作用于模型。截至本版，仅有这一篇报道，原文在描述两个方向的具体作用对象处中断，尚无后续报道或独立来源的交叉印证。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。