**H²SD：混合后见自蒸馏框架提升大模型推理能力**

_H^2SD: Hybrid Hindsight Self-Distillation_

> 该研究提出H²SD框架，旨在解决强化学习验证奖励中奖励稀疏及现有自蒸馏方法的信息泄露与优化不稳定问题。该方法根据推理轨迹正确性动态调整引导策略：成功轨迹仅调制更新幅度，失败轨迹则利用参考提示提供明确纠正方向。实验表明，H²SD在多项推理基准上持续优于主流基线，且保持训练稳定与生成高效。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18955)