dev资讯

GiftGift this article

Opens in a new window，详情可参考夫子

# Export as CSV，推荐阅读服务器推荐获取更多信息

蒸馏是模仿，学强模型的输出，把它的「答案形状」复制过来；RL 是探索，模型必须大量自己推理、自己生成、在错误里反复迭代，从试错中提炼能力。