论文提出教师-图灵测试范式：以"被误认为教师"作为强化学习奖励

arXiv 论文提出 domain-based teacher-Turing-Test 方法：让 Qwen2.5-1.5B 学生模型模仿 DeepSeek V4 Flash 教师模型，以教师"把回答归因于自己"的概率作为强化学习奖励。训练过程中不提供标准答案，也不需要教师生成回复。该方法在 CommonsenseQA、GSM8K、KodCode、Spider 四个域的 held-out 评测中均带来提升。分析显示自我归因概率与答案正确性相关，且能奖励部分正确的回答。