轨迹精炼蒸馏（TRD）：一种解决前缀失败的 LLM 后训练方法

研究提出轨迹精炼蒸馏（TRD），一种在 on-policy 支持范围内借助教师指导修正学生 rollout 的轨迹级方法，从源头缓解 on-policy 蒸馏（OPD）中的前缀失败问题。