基于生成时选择的学生参与式思维链蒸馏

大型推理模型虽在复杂任务中表现优异，但将其长思维链轨迹迁移至小模型极具挑战。现有方法多依赖事后过滤，无法控制生成过程且可能产生超出学生能力的路径。为此，本文提出 Gen-SSD 框架，让学生在教师采样过程中实时评估候选续写，仅扩展可学习路径并提前剪枝无效分支。数学推理基准实验表明，该方法显著优于标准知识蒸馏及最新基线，生成了更稳定、可学习的推理轨迹，证实了生成过程中引入监督对有效蒸馏的重要性。