# 边际信息增益

该工作提出解耦信用自蒸馏（DCSD），用信念边际探测确定每步推理的信用方向、用边际信息增益量化其贡献幅度，再让特权教师只负责步内token分配，在11个数学与多模态推理基准上总体得分优于GRPO、OPSD、RLSD与RLCSD，相比基座模型数学推理总体提升8.45分、多模态推理提升7.01分，并纠正约6% token的信用方向、使token信用幅度降低约1.5倍。

该工作提出解耦信用自蒸馏（DCSD），用信念边际探测确定每步推理的信用方向、用边际信息增益量化其贡献幅度，再让特权教师只负责步内token分配，在11个数学与多模态推理基准上总体得分优于GRPO、OPSD、RLSD与RLCSD，相比基座模型数学推理总体提升8.45分、多模态推理提升7.01分，并纠正约6% token的信用方向、使token信用幅度降低约1.5倍。