⌘ K
… 读取采集状态 同步中...
雷
原文
X:Greg Brockman (@gdb)·· 20 天前AI 评分1

Baseten Base Labs 实验研究蒸馏何时有助于强化学习

AI 导读

Baseten Base Labs 发布研究,用 Qwen3 的 0.6B、1.7B、4B、8B 模型比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL,覆盖十六个推理任务。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:X:Greg Brockman (@gdb) · labs.baseten.co