ASDA：面向金融推理的自动化技能蒸馏与适应

针对大型语言模型在专业金融推理中需昂贵微调的问题，本文提出自动化技能蒸馏与适应（ASDA）框架。该方法无需修改模型权重，通过迭代纠错学习自动生成结构化技能工件。教师模型分析学生模型的失败案例，按子领域和错误类型聚类，合成包含推理过程、代码模板及示例的技能文件，并在推理时动态注入。实验表明，ASDA 在 FAMMA 基准上显著优于现有无训练方法，算术与非算术推理性能分别提升 17.33% 和 5.95%，提供了可审计的领域适应新路径。