प्रत्येक token को अनुकूली बहु-शिक्षक नीति पर आत्म-निष्कर्षण के माध्यम से अपने स्वयं के शिक्षक की आवश्यकता होती है
बहु-शिक्षक अनुकूली नीति पर आत्म-निष्कासन प्रत्येक LLM token को एक शिक्षक चुनने की अनुमति देता है, Qwen3 गणित तर्क में आधार मॉडल से अधिक 5.9 तक सुधार करता है।