少量推理轨迹提升棋类LLM

棋类LLM混入约8%推理轨迹后，在同等预算下优于纯棋步数据训练。

推荐理由：约8%带推理轨迹的数据提升了board到move训练效果，说明蒸馏式思考样本可改变策略表示，而不必增加推理时成本。