[2026-08-05] Privileged, but Biased: How PI-Conditioned Teachers Break Self-Distillation
这篇反例论文说明 PI-conditioned teacher 可能奖励 reference-path similarity,而不是 correctness。它对 QA、数学、代码和多轮 tool use 的 de…
这篇反例论文说明 PI-conditioned teacher 可能奖励 reference-path similarity,而不是 correctness。它对 QA、数学、代码和多轮 tool use 的 de…