标签
提出了BIRD，一种两阶段自推理蒸馏方法，该方法在策略训练之前自举简洁的推理轨迹，在MATH-500和AIME基准测试上实现了更强的精度-效率权衡。在Qwen3-8B上，准确率从86.2%提升至92.0%，同时平均响应长度从3,099个token降至1,115个token。