让 AI 解一道题，它常先写出长长的“草稿”，再给答案。这种思维链——模型生成的中间推理文字——可能帮助解题，却也拖慢回答、增加上线成本。Masked Distillation 想把这份草稿内化：让推理能力进入模型参数，而不是每次都完整输出。
训练时，学生模型只根据问题学习最终答案；教师模型仍先生成思维链，再据此评价学生的回答。作者还设计了折中方案：学生只输出教师推理过程末尾的一小段，把其余步骤压进参数。最值得注意的是，完全不写草稿并非处处有效：作者自述，它在小学算术数据集 GSM8K 上可行，却在陌生的数字拼算任务 Countdown 上失败；保留少量末尾推理步骤后，表现才接近教师，同时比完整输出更省生成量。
这说明“把推理藏进模型”不是通用开关，更像一只可调旋钮：模型越熟悉任务，越可能直接作答；面对陌生任务，仍需要一点外显步骤搭脚手架。