概念Self-Taught Reasoner
STaR
一种让语言模型通过自生成推理链进行自我迭代训练的方法，模型利用正确解答的推理过程作为监督信号逐步提升推理能力，是模仿学习在LLM推理微调中的代表性方案
时间轴 (近 90 天)
10月7日
RISED 的自蒸馏机制与 STaR、ReST 等迭代自改进方法思路一脉相承，核心都是用模型自己的成功案例引导自身进步
待验证50%
9月18日
STaR（Self-Taught Reasoner）及各类蒸馏方案是模仿学习方法的代表
待验证50%
一种让语言模型通过自生成推理链进行自我迭代训练的方法，模型利用正确解答的推理过程作为监督信号逐步提升推理能力，是模仿学习在LLM推理微调中的代表性方案
RISED 的自蒸馏机制与 STaR、ReST 等迭代自改进方法思路一脉相承，核心都是用模型自己的成功案例引导自身进步
STaR（Self-Taught Reasoner）及各类蒸馏方案是模仿学习方法的代表