CRD 用多教师互评与步骤级拼接蒸馏推理能力，4B 学生模型在 MATH-500 达 97.3%、AIME'25 达 70.3%，仅用 50K 训练样本
该工作提出协同推理蒸馏（CRD）框架，让 DeepSeek-R1 与 Gemini 2.5 Flash Thinking 两名教师迭代互评彼此推理、由双评判模型对每一步给出与最终答案无关的质量分，再用 Viterbi 式连贯性感知算法跨教师拼接高质量步骤，并以推理质量优化（RQO）配合课程式长度约束训练学生；CRD-4B 在 MATH-500 达 97.3%、AIME'25 达 70.3%，仅用 50K 训练样本。