先了解这件事
AI 综述
2025年10月28日,Mira Murati 提出判断,认为 on-policy distillation 是一种有前景的方法,用于训练小模型以提升领域性能和持续学习能力。她表示,该方法结合了强化学习(RL)与监督微调(SFT)的优势。目前该判断仅有这一条代表性证据,尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
Mira Murati：on-policy 蒸馏结合 RL 与 SFT 优势事件进展
1 个已确认进展
- 来源：Mira Murati
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。
10月28日
Mira Murati
Mira Murati：on-policy 蒸馏结合 RL 与 SFT 优势
结合 RL 和 SFT 的优势，通过 on-policy 蒸馏，这是一种有前景的方法，用于训练小模型以提升领域性能和持续学习能力。