在你说出的词语中推理：用于 VideoLLM 推理蒸馏的个体语体改写离策略轨迹

英文标题：Reason in the Words You Speak: Idiolectal Paraphrasing Off-Policy Traces for Reasoning Distillation in VideoLLMs

该论文发表于 arXiv，编号为 arXiv:2608.26684v1。论文聚焦复杂推理任务中的大语言模型训练，并以 Group Relative Policy Optimization（GRPO）这类基于模型自生成轨迹的强化学习方法为背景。其标题提出利用“个体语体改写”的离策略轨迹，为 VideoLLM 的推理能力蒸馏提供方法。由于原文仅提供了截断的摘要，具体实验结果、模型规模和性能数据尚未披露。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB