Nat Lambert 反驳 RL 蒸馏直接用最强模型当老师
natolambert · x · 2026-07-21
Nat Lambert 反驳了一种说法：中文实验室在 RL 蒸馏时会拿最强模型当 teacher。
- 他认为这不是蒸馏的实际工作方式。
- 在 RL 里把最强模型直接拿来当 teacher，提升不会有那么大，因为 RL 的 grader 本身就很脏、很难处理，而且成本也承受不起。
- 这条讨论的核心是训练流程与蒸馏机制，而不是简单的模型能力八卦。
所属事件:专家澄清强化学习蒸馏：SFT 与中训才是关键(3 条相关)→
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11