提出OGLS-SD框架,通过对比成功与失败轨迹的logit构建引导方向以校准教师分布,缓解策略内自蒸馏中的师生分布不匹配问题,从而稳定训练并提升大语言模型的推理性能。
机构:UNC
来源:arXiv 2605.12400 | AI4Papers 论文推荐平台