Meituan（美团）

Finding the Evidence: Discovering Decision-Supporting Tokens for On-Policy Reasoning Distillation

寻找证据：发现决策支持令牌以进行在线策略推理蒸馏

Jinwei Xiao, Zhuowen Han, Yueqing Sun, Zhengxi Lu, Yuxin Liu, Zhiyuan Yao, Wentao Chen, Qi Gu, Xunliang Cai

机构 * Meituan Longcat Team（美团Longcat团队） ； Nanjing University（南京大学） ； TJUNLP Lab, College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部TJUNLP实验室） 纠错

AI总结 提出DEAR方法，通过学生熵识别决策点，利用隐状态余弦相似性和师生差异发现证据令牌，在数学和代码基准上提升推理蒸馏效果。