ReTeach：通过多轮反思与重试构建自教师

ReTeach 提出一种反思式自蒸馏框架，仅用自生成尝试与结果级验证，通过多轮反思与重试构建自教师，无需参考答案、外部诊断反馈或跨样本记忆。该框架采用结果感知的选择与加权策略，对初始正确、反思纠正和未解决样本分别赋权，并通过 on-policy 蒸馏在学生自身 rollout 前缀上对齐教师的 token 级预测分布。