ReTeach：通过多轮反思与重试构建自教师

ReTeach 是一种反思型自蒸馏框架，仅依赖自生成尝试与结果级验证，通过多轮反思和重试构建自教师。该框架结合结果感知的样本加权策略与 on-policy 蒸馏，在保留单次推理的同时将迭代修正能力转移给学生模型。在涵盖数学推理、科学问答和工具调用的 6 个基准测试中，ReTeach 相比 GRPO 平均准确率提升 1.39 个百分点。