先了解这件事
AI 综述
2026年11月4日,Ao Qu编写了MIT 2026秋季课程MAS.S62《How to AI an AI》第6讲课件《RL & Self-Distillation in Practice》。据相关报道,该讲由Thinking Machines Lab的Idan Shenfeld讲授,把PPO、GRPO与同策略蒸馏、自蒸馏写成同一条损失,区别只在优势值来源;课件拆解一步训练的五个环节,以Qwen3-8B为例给出推理侧bf16权重约16 GB、训练侧每参数约16字节合计约130 GB的显存量级,并对比verl离线训练与reef边服务边学习两种框架。目前尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
MIT《How to AI an AI》第 6 讲:从 PPO、GRPO 到同策略蒸馏…事件进展
1 个已确认进展
报道与讨论时间线
按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。
11月9日
邵猛
MIT《How to AI an AI》第 6 讲:从 PPO、GRPO 到同策略蒸馏…
MIT 2026 秋季课程 MAS.S62《How to AI an AI》第 6 讲课件《RL & Self-Distillation in Practice》由 Thinking Machines Lab 的 Idan Shenfeld 讲授,把 PPO、GRPO 与同策略蒸馏、自蒸馏写成同一条损失,区别只在优势值来源。课件拆解一步训练的五个环节,以 Qwen3-8B 为例给出推理侧 bf16 权重约 16 GB、训练侧每参数约 16 字节合计约 130 GB 的显存量级,并对比 verl 离线训练与 reef 边服务边学习两种框架。