2026 年 10 月 21 日提交的 arXiv 单作者预印本《TraceForge: Distilling with Your Own Thinking》（作者 Yan Wang）提出：以教师模型的上下文和答案为输入，按学生模型自身家族的风格生成推理轨迹，而不是通过重放加密推理块来还原隐藏推理——作者称后者违反服务商条款。训练分两阶段，先监督学习、后对抗训练，由生成器撰写轨迹、由评论器判断轨迹看起来有多真实。作者报告称，独立评审给生成轨迹的平均真实性打分为 0.68，真实轨迹为 0.66，从四个候选中由评论器选出的轨迹为 0.82；在相同的 5000 道题和相同教师答案下，最终检查点 HumanEval+ 提升 3.7 分、MBPP+ 提升 7.1 分。论文注明这些是真实性分数而非正确率，结果尚未经独立验证。