ReCal：面向在线策略蒸馏恢复的结构化剪枝校准方法

研究人员提出即插即用方法 RECAL，在结构化剪枝前调整校准统计，以增强推理大语言模型后续的在线策略蒸馏（OPD）恢复效果。该方法利用教师模型与剪枝探针间的前向 KL 散度识别受损预测并重新加权校准，引导现有剪枝准则保留关键能力。实验显示，RECAL 在 AIME 数学推理评测中最高带来 16.7 个百分点的提升，并在多数代码生成基准中实现改进。