诊断与缓解策略自蒸馏中的思维崩溃

策略自蒸馏（OPSD）虽能增强大模型，但在复杂推理任务中常导致性能下降。本文系统研究了这一病理，定义了“思维崩溃”现象，即模型原生中间推理行为的急剧衰退。分析表明，高学生熵决策点处的激进教师梯度是诱因。为此，提出自适应双视角 OPSD（AD-OPSD）框架，通过非对称逐点发散门控动态调节蒸馏目标，将高风险令牌锚定至冻结基座模型的参考先验。实验显示，该方法在多种数学基准上显著优于标准 OPSD，有效缓解了思维崩溃并保留了纠错能力。