王琰提出 TraceForge 原生思维链方法

王琰在 TraceForge 技术报告中提出让模型用同族模型数据自行生成思维链，并通过生成器、判别器和五轮在线对抗训练完成蒸馏；报告称，在同一批 5,000 道题和相同训练配方下，该方法训练的 Qwen3.5-9B-Base 学生模型相比直接蒸馏 Fable 5 真实思维链，HumanEval+ 高 3.7 分、MBPP+ 高 7.1 分。 报告称，生成器使用 Qwen3.8-Max 生成的一万条真实对话训练，训练数据来自允许合法蒸馏的同族模型，且整个训练过程没有 Claude 或 OpenAI 的 token 被送入梯度。上述成绩对应各对照组均使用 5,000 条样本的实验条件。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。