提出Rubric-Conditioned Self-Distillation框架,将细粒度评分标准转化为token级指导信号用于推理语言模型的后训练,在科学推理基准上性能优于GRPO和OPSD等方法。
机构:耶鲁
来源:arXiv 2606.19327 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程