Thinking Machines Lab最新发布的技术文章，在线策略蒸馏，这是一种将强化学习的纠错相关性，与监督微调的奖励密度相结合的训练方法，可以极低的成本超越其他方法。今天我们就来给大家解读一下这篇论文。
https://thinkingmachines.ai/blog/on-policy-distillation/
聊天讨论群，微信群二维码，可加个人微信gxjdian入群