发现于对话中：大语言模型自我教学以弥合多轮差距

大语言模型在多轮交互中常因信息分散而表现不佳，这种现象被称为“对话迷失”。本文提出“发现于对话中”（FiC）训练框架，使模型通过自我教学恢复单轮对话能力。该方法采用“视图不对称自蒸馏”技术，将单轮视图（教师）的强行为迁移至多轮视图（学生），无需外部更强教师模型。实验表明，FiC 在多种模型家族及规模上恢复了至少 92% 的单轮性能，部分甚至达到 100%，显著提升了多轮对话的效率与帮助性。