Nat Lambert 认为蒸馏主要在 SFT 和中训阶段起作用
natolambert · x · 2026-07-22
Nat Lambert 认为，蒸馏真正发挥作用的地方主要在 SFT 和 midtraining，而不是把它当成 RL 里某种神奇增益手段。
- 他表示，Anthropic 曾说一些中国实验室在 RL 形态的数据流水线里使用了它的模型，但他认为那些样本量 太小，不太可能带来决定性提升。
- 他主张，蒸馏更关键的用途，是在 SFT / 中期训练 阶段为模型注入 推理行为。
- 他还认为，中国模型在训练后表现出“像 Claude”的风格，本质上反映的是 next-token 训练学到的 特征簇，而不只是表层模仿。
- 在回复里，他进一步否认“中国实验室在 RL 中拿最强模型当老师”的说法，认为这既不符合蒸馏机制，也不太可能带来那么大的收益。
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
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27