teacher-exposure

自适应教师暴露自蒸馏(ATESD)通过可学习的策略控制器和折扣学习进度奖励动态调整教师向学生展示参考推理的比例，从而提升LLM推理能力。在数学基准上的实验表明，该方法相较于现有自蒸馏和强化学习基线均取得了一致改进。