Towards Data Science | Medium 中文 关注 在线策略自蒸馏能否重塑后训练? 在不破坏其原有能力的情况下,为教学基础模型赋予新技能颇具挑战。一种基于强化学习的新方法或许具备改变这一局面的潜力。 Could On-Policy Self-Distillation Revolutionize Post-Training? towardsdatascience.com Towards Data Science | Medium 中文 RSS thenote.app