On-policy蒸馏论文全能，实验室从业者却集体点赞吐槽帖
teortaxesTex · x · 2026-11-14
norpadon 发帖对比 on-policy distillation 的论文叙事与现实：论文宣称它优于直接 RL、信号更稠密、能解决 credit assignment、样本效率高，但实际用起来完全是另一回事（原帖配图为吐槽梗）。这条帖被大量 AI 实验室做 post-training 的从业者点赞，转发者认为这本身就说明了很多——一线研究员用点赞表达了对这一技术落地落差的无声认同。
「Fun」频道最新
- 人脸检测翻车：把眼镜认成 250 岁笑脸人 — miniapeur · 2026-11-14
- X 算法更新：「复制链接」权重从 20 分清零，新增链接诱饵反垃圾检测 — ThePeterMick · 2026-11-14
- Reddit 网友用 Seedance 生成 AI 短片《回家》 — purplenurpleSEB · 2026-11-14
- 「人脑从不 100% 全开，所以你是 MoE」梗帖走红 — gnukeith · 2026-11-14
- 面对老花的两条路：戴老花镜，或换四台 65 寸 4K 电视当显示器 — RexDouglass · 2026-11-14
- 网友 AI 生图整活：黄仁勋变身「白袍黄仁勋」 — StefanoGogioso · 2026-11-14