expert-actions

LeAct 提出了一种方法，通过将链式思维（CoT）视为潜在变量，仅保留那些能显著提高学生复现专家动作概率的 CoT，从而从静默专家动作中恢复链式思维推理。在游戏和机器人任务中，该方法优于各类基线。