FSPO：函数空间时间自蒸馏让 7B/8B 模型推理训练更快更省

新论文提出 FSPO，结合时间整合与特权适配，提升推理和工具使用策略训练效率。在 5 小时训练预算内，FSPO 在 Qwen3-8B 和 Olmo3-7B-Instruct 的五项任务上取得 avg@16 76.2 和 72.4，Qwen3-8B 超过 GRPO 的 70.4，同时以更少生成 token 和更低内存占用获得最高准确率。