arXiv · cs.AI· Jiaming Su, Suorong Yang, Xudong Li, Tengchao Yang, Peng Ye·· 5 小时前
BoundaryEvo：通过数据与模型协同演化蒸馏长链推理能力
BoundaryEvo: Data-Model Co-Evolution at the Capability Boundary for Long-Chain Reasoning Distillation
arXiv:2610.13285v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiaming Su, Suorong Yang, Xudong Li, Tengchao Yang, Peng Ye
研究任务与主要进展
BoundaryEvo是一种两阶段数据—模型协同演化框架，用于从大教师模型蒸馏长链推理轨迹。作者先通过Capability Priming建立学生的初始推理能力，再在Capability-Boundary Co-Evolution阶段选择学生尚未掌握但专家能够可靠解决的问题；仅使用1000个训练样本时，论文报告其在11个推理基准上优于静态和动态数据选择基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org