FutureMind：通过自适应知识蒸馏为小型语言模型装备战略思维模式先验

小型语言模型（SLM）虽高效但难以处理需结构化推理的复杂任务。本文提出 FutureMind，一种模块化推理框架，通过自适应知识蒸馏将大模型的战略思维模式先验迁移至 SLM。该框架包含问题分析、逻辑推理、策略规划及检索引导四个模块，并结合三种检索范式分解复杂查询。实验表明，FutureMind 在多项多跳问答基准上超越现有基线，达到最先进水平。研究还揭示了师生模型间的认知偏差瓶颈，为提升 SLM 推理能力提供了新视角。