系统提示词设计
只要不超出所属控制器家族的范畴，即可采用该家族内的不同变体。首要目标是让每个自由度尽可能准确地跟踪恒定目标，即为每个受控自由度设定一个固定目标值。
我们提供了一个标准化代码模板，作为整体结构骨架。该模板包含受控系统和两类控制器的定义，附录中提供了简要说明。语言模型需要在这一框架内补全指定的 TODO 部分，以确保代码能够执行。
Fixed-3 方法
对于 Fixed-3 方法，模型必须严格执行三轮迭代。三轮迭代中性能得分最高且满足成功条件的控制器将用于性能评估。如果三个控制器均未满足成功条件，则该次试验记为失败。
Success-Stop 方法
对于 Success-Stop 方法，一旦设计出的控制器满足预设成功条件，迭代便立即终止。如果设计失败，模型最多可重试三次。
在每一步中，都会向模型提供上一轮迭代的反馈，包括性能指标或错误日志，使其能够逐步调整控制器的参数或结构。
蒸馏策略
我们采用 DeepSeek-R1-Distill-Qwen-1.5B 作为学生模型骨干网络。之所以选择它，是因为已有证据表明，经过标准部署优化后，这一规模的模型可以在边缘类加速器上进行本地推理。GPT-5.5 作为教师模型，用于生成监督目标。
为研究中间诊断推理所发挥的作用，我们针对匹配的控制器调参任务构建了两种蒸馏变体。
答案蒸馏
目标内容由简洁的解释和可执行的控制器代码组成，但不对中间诊断过程提供明确监督。这种设置鼓励学生模型直接根据观测到的响应历史生成控制器。
由此得到的学生模型称为 DeepSeek-1.5B-control-answer，即 Answer-Model。
推理蒸馏
目标内容由教师模型生成的推理轨迹以及同类型的控制器代码组成。推理轨迹描述如何解读观测到的系统行为，以及如何据此选择相应的控制器修改方案。
由此得到的学生模型称为 DeepSeek-1.5B-control-think，即 Think-Model。
利益冲突声明
作者声明，本研究是在不存在任何可能被视为潜在利益冲突的商业或财务关系的情况下开展的。
常见问题
控制器设计任务的首要目标是什么？ 首要目标是让每个自由度尽可能准确地跟踪恒定目标。
Fixed-3 方法如何评估控制器设计？ 该方法严格执行三轮迭代，并从中选取性能得分最高且满足成功条件的控制器进行评估。如果没有任何控制器满足成功条件，则该次试验记为失败。
Success-Stop 方法何时终止迭代？ 一旦设计出的控制器满足预设成功条件，迭代便立即终止；如果设计失败，最多允许尝试三次。
答案蒸馏与推理蒸馏有何区别？ 答案蒸馏监督简洁解释和可执行代码，而推理蒸馏还会监督教师模型生成的诊断推理轨迹。