#reasoning trace - AI Papers Daily

TraceForge: Distilling with Your Own Thinking

TraceForge：按学生模型家族风格生成推理轨迹的蒸馏方法

🧭 LLM 蒸馏 · 推理轨迹合成

Independent Researcher

提出 TraceForge，在仅有教师答案时合成学生家族原生推理轨迹用于蒸馏，代码任务提升显著

📌 工作参考价值（4 点）

黑盒教师 API 只给答案时，不要放弃 CoT 蒸馏：可训练一个本地生成器，用 (context, answer) 自动补写学生模型家族风格的推理轨迹，再用于 SFT 小模型；尤其适合电商 Agent 的工具调用轨迹、商品推荐理由、query 改写推理等场景。
训练生成器时先用自有模型家族真实 CoT 做 SFT，再引入 critic/reward model 做对抗训练或 best-of-N 筛选；工程上相当于给合成轨迹增加真实性过滤，能显著提升下游效果，成本可控。
保持 teacher answer 不变、只优化中间 reasoning trace 的思路值得复用：业务中可固定黑盒模型输出的最终标注/答案，把优化重点放在解释路径、中间步骤或工具调用序列，减少跨模型风格错配带来的性能损失。
评估时把 authenticity 与 correctness 分开：需要独立 judge 打分真实性，并同时看最终任务指标；避免只追求 CoT 看起来真实但实际无益。

Training | 2026-10-20 | HF Daily | score 7/10

描述性推理链质量与推荐效果之间的脱节

🧭 生成式推荐 · Semantic ID 与 CoT 推理 ★ 深度解读

Spotify

在生成式推荐中，更好的描述性推理 trace 质量并不必然带来更好的传统离线推荐效果

📌 工作参考价值（4 点）

在生成式推荐中引入 CoT/trace 时，不要默认 trace 质量提升会带来线上/离线指标提升。优先检查奖励稀疏性：仅用 prefix-match 准确率奖励会导致 70%-96% 的 prompt 零奖励，模型学不到 signal。可以改用复合奖励（准确率 + LLM judge relevance/trace 质量）或 embedding 相似度 dense reward；消融显示 embedding reward 几乎等效于 LLM judge，说明奖励密度比 judge 语义更关键，工程上更省钱。
item 表示选择：自然语言标题让 trace 更可读，但 reasoning 与预测共享词汇表会产生 representational interference，导致更大幅度的离线指标下降；SID 与自然语言 token 分离，训练更稳但需要对齐。如果采用 SID，轻量单任务对齐即可，额外八任务对齐主要提升 trace 质量，却可能削弱推荐校准，不一定划算。
单 ground-truth 离线评估可能低估/高估推理的作用。生产中可以尝试把 reasoning 输出作为互补候选，与 no-reasoning 输出做 rank aggregation（论文中 playlist 场景 HR@30 从 0.6337 提升到 0.6515），或补充 LLM-judge relevance 评价。
用 teacher 蒸馏生成 reasoning trace 时，避免 answer-conditioned traces：教师已知目标 item 生成的解释，测试时模型没有目标，导致 trace 流利但逻辑连贯性和推荐理由分低。可尝试 end-to-end RL 或更选择性、目标无关的 trace 监督。

GenRec | 2026-08-24 | cs.IR | score 9/10