Negative Self-Distillation: Learning to Reason by Avoiding Flaws

• 类型：arxiv
• 标识：2609.11699
• 链接：https://arxiv.org/abs/2609.11699
• 主分类：llm-infra
• 形态：method
• 被引：3
• 被引来源：Semantic Scholar
• S2被引：3
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Negative Self-Distillation (NSD) is introduced, a new framework that optimizes LLMs by diverging from flawed reasoning rather than imitating privileged solutions, and consistently outperforms OPSD and other label-free, self-bootstrapping reinforcement learning (RL) baselines.
• OpenAlex ID：W7212261691
• OpenAlex DOI：10.48550/arxiv.2609.11699
• DOI：10.48550/arxiv.2609.11699
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.11699
• OpenAlex更新：2026-09-14
• 待LLM分类：否
• 标题中文：负自蒸馏：通过规避缺陷来学习推理
• TLDR中文：提出 Negative Self-Distillation（NSD），一个通过偏离有缺陷的推理而非模仿特权解来优化 LLM 的新框架，并一致优于 OPSD 及其他无标签、自举式强化学习（RL）基线。
• 成熟度：research
• 场景：self-distillation、reasoning
• 来源文件：
• /inbox/tom/_candidates/2026-09-11-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]