將推理原則蒸餾入 7B 模型：使其學會反駁、提供路徑，而非盲目順從

此專案顛覆了傳統提示工程中追求模型「順從」的目標，透過將一套被稱為「Hammerstein 框架」的推理原則，精煉並嵌入一個 7B 模型之中。這個輕量級模型被訓練成能主動反駁、質疑並提供策略性指導，而非盲目同意。 • 它展現了三種關鍵行為：「有路徑的拒絕」，在拒絕請求時同時指明可行的解決方案；「堅守立場」，即便面對自信但缺乏證據的質疑，也能堅持其結構性原因；以及**「拒絕愚蠢勤奮」**，不認可效率低下的錯誤努力，並提供明確的驗證機制。

作者指出，這些「校準式異議」行為是明確可指定的訓練目標，與主流大型語言模型（LLM）傾向於「取悅使用者」的強化學習目標形成對比。 此 7B 模型專為框架式策略推理任務量身打造，其核心原則已內建於模型權重中，無需運行時系統提示。它不僅能處理複雜的策略判斷，也能在遇到無關框架的簡單問題時，提供直接明瞭的答案。 • 這個開源模型（Apache-2.0）僅需 8 GB GPU 即可運行，證明了將特定推理能力「蒸餾」進小型模型的可行性與可攜性。