摘要
TraceForge 是 reasoning-trace distillation 方法：借强 teacher 的答案，但用 student 自己模型家族的 generator 重写推理形式，再以 critic 和 DPO 提高轨迹的 family authenticity。（来源：TraceForge: Distilling with Your Own Thinking）
核心内容
基本信息
- 实体类别：reasoning data synthesis 与 model distillation pipeline。
- 关键名称或版本：arXiv
2610.29680v2；family-native trace。 - 时间范围：2026-10-21 首发，2026-10-22 更新 v2。
重要事实
- generator/critic 只用 Qwen-family trace 训练；闭源 teacher 在生成训练 corpus 时提供 context、answer 与 tool messages，不提供真实隐藏思维。（来源：TraceForge: Distilling with Your Own Thinking）
- 最强受控结果是在相同 Fable 5 问题和答案下替换 trace，HumanEval+ / MBPP+ 分别提高 3.66 / 7.14 点；这是作者单次实验，未独立复现。（来源：TraceForge: Distilling with Your Own Thinking）
关系与影响
TraceForge 把 teacher 的“内容能力”和 student family 的“推理表达形式”拆开，为 Reasoning Trace Distillation 提供可检验假设；critic 的 authenticity signal 不等于 task verifier。
分歧与变化
论文把训练稳定性归因于 family-native 风格，但公开对照还没有完全隔离 style、质量与 pipeline 差异；保密数据、单 seed 和单 family 使因果解释仍待核实。（来源：TraceForge: Distilling with Your Own Thinking）
相关页面
- 概念：Reasoning Trace Distillation、Agentic RL、Recursive Self-Improvement
- 实体：无
- 主题：LLM Agent Self-Improvement
来源
待核实问题
- 需公开数据与多 seed 复现，并验证换到非 Qwen student family 后是否仍有同样优势。