(策略：广泛地涉猎所有信息，选择自己感兴趣的方向)
方向一、知识蒸馏 (Knowledge Distillation)
方向二、强化学习 (Reinforcement Learning)
方向四、自蒸馏与自改进 (Self-Distillation & Self-Improvement)
方向五、推理时增强 (Inference-Time Enhancement)
方向七、工具增强推理 (Tool-Augmented Reasoning)
【方向四、自蒸馏与自改进 (Self-Distillation & Self-Improvement)】
一、典型方法：OPSD、CRISP、CODI
1、OPSD（O nline P lanning and S elf-Distillation，在线规划与自蒸馏）
从树搜索轨迹中提取高质量数据进行在线自蒸馏，把"慢思考"的搜索结果，蒸馏进"快思考"的模型。
2、CRISP（CR itic-guided I terative S elf-improvement Planning，基于批判的迭代自改进规划）
通过自我批判与精炼的迭代循环获取优质数据，实现"左右互搏"式自我改进，无需外部反馈。
3、CODI（Co -training Distillation，协同式双模型蒸馏）
在生成器和压缩器之间进行协同训练与知识迁移，同步提升模型生成与压缩两种能力，效率高。