从求解轨迹到教学轨迹：认知对齐推理蒸馏 CARD

研究人员提出基于 RL 的框架 CARD，将大推理模型的求解轨迹转换为适配学生模型认知能力的教学轨迹。该框架直接转换已有轨迹，利用分布对齐奖励匹配学生预测分布，并通过逻辑连贯性奖励减少误导性的失败推理步骤。评测显示 CARD 在域内及分布外表现均显著优于直接蒸馏原始教师轨迹，相关代码已开源。