TraceForge：用模型自身的思考风格蒸馏推理轨迹

TraceForge 提出一种不依赖厂商隐藏推理轨迹的蒸馏方法：以教师模型的答案和上下文为输入，由生成器按学生模型家族的风格自行生成推理过程，再经监督与对抗两阶段训练。独立评审给出的真实性得分为 0.68，真实轨迹为 0.66，经 critic 从四个候选中筛选后达 0.82。在相同 5000 道题与相同教师答案下，HumanEval+ 提升 3.7 分、MBPP+ 提升 7.1 分。