**TREK:通过蒸馏探索与强化精炼提升推理能力** _TREK: Distill to Explore, Reinforce to Refine_ > H
原帖
**TREK:通过蒸馏探索与强化精炼提升推理能力**
_TREK: Distill to Explore, Reinforce to Refine_
> HuggingFace Daily Papers 推荐 TREK 方法,旨在解决 GRPO 在处理难题时采样受限的问题。该方法利用前向 KL 散度将外部或自生成的验证轨迹引入学生模型的支持集,从而扩展探索范围。实验显示,TREK 显著提升了 Qwen3 在数学推理及 ALFWorld、ScienceWorld 等智能体任务中的表现。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-07-08 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.05339)