WISD：用弱化版模型蒸馏训练信号，无需特权数据

WISD（Weakening-Induced On-Policy Self-Distillation）通过量化或剪枝大推理模型生成弱化版本，并利用强弱模型对比产生训练信号。该方法无需标准答案、过程标注等特权数据，即可改进模型的推理能力。