去向何处、避开什么：状态相对自蒸馏

基于摘要分析。本文研究数学推理、代码生成和智能体工具使用中的 on-policy 自蒸馏，提出 State-Relative Self-Distillation（SRSD），使监督信号依据学生当前生成轨迹的状态形成，而不再仅依赖固定参考解。其主要研究对象是推理与行动轨迹的训练监督，并非 EEG/BCI 信号建模。 作者认为，现有方法虽然使用学生自身策略生成的轨迹，但教师信号仍以固定参考解为条件，可能将有用的局部推理与依赖答案的置信度、特定解题路径偏好混杂。SRSD 引入两个互补教师角色：State Tracker 从学生完整的 on-policy 轨迹构造状态表示，为后续推理提供“去向何处”的正向信号；State Guard 利用同一策略采样的失败轨迹，提供“避开什么”的负向信号，抑制学生重复导致失败的方向。摘要未给出状态表示形式、教师实现、损失函数或训练时序，相关机制细节尚未验证。 作者报告，在多个模型规模与基准上的数学推理、代码生成和智能体工具使用评估中，SRSD 均取得性能提升；代码生成任务增益最大，相比所比较方法中最强者提高 8 个点。摘要未说明该数值对应的指标、具体基准、数据划分及比较配置，因此不能将其解释为 Accuracy 提升 8 个百分点，也不能据此作跨任务比较。 复现时需核对完整轨迹如何参与监督、失败轨迹的判定与采样方式、两类教师各自的贡献及训练成本；实验协议、消融及统计信息尚未验证。作者表示代码将在发表时发布，这不代表代码当前已公开或论文已正式发表。材料未建立该方法与 EEG/BCI 任务的具体机制对应，不能据此认定其具有 BCI 有效性。