Self-Retrospection Distillation: Biến kinh nghiệm hậu nghiệm thành tầm nhìn trước
Bài báo đề xuất học tiền cứu (prospective learning), trong đó kinh nghiệm sau tương tác từ các quỹ đạo đã hoàn thành được dùng để giám sát các dự đoán nhìn trước từ góc nhìn trước khi tương tác. Phương pháp Self-Retrospection Distillation (SRD) chưng cất tri thức hậu nghiệm đặc quyền thành khả năng nhìn trước không biết quỹ đạo của cùng một chính sách, nhằm xử lý trường hợp trong RLVR dạng nhóm tương đối khi mọi rollout có cùng phần thưởng nên không có tín hiệu học. Phần nhìn trước chỉ dùng làm mục tiêu huấn luyện và không cần được tạo ra tường minh khi suy luận.
Đọc bài gốc