本研究では、小型言語モデル（SLMs）が産業応用において効率性や低い計算要件を理由に人気が高まっていることを背景に、思考の連鎖（CoT）を利用した推論能力の知識蒸留フレームワークを提案しています。この手法により、大型言語モデル（LLMs）からSLMsに推論能力を移転し、意思決定の精度を向上させることが目指されています。具体的には、多肢選択問題応答（MCQA）を使った蒸留プロセスにより、SLMsの推論能力を高め、その性能を従来のLLMsと比較しています。結果として、CoT推論を使用した調整済みSLMsは基本モデルに比べて顕著な性能向上を示し、LLMsとの差が縮まることが確認されました。