论文21:55叛逆学生：反向教师信号探索推理，自蒸馏RLVR该工作通过反转教师信号进行推理探索，为自蒸馏和强化学习结合提供了新思路，可能推动弱监督下推理模型的发展，值得关注。#推理模型#强化学习#自蒸馏#反向信号AK@_akhaliq原文稍后读已读值得跟进有用关注 推理模型
