on-policy 蒸馏论文与实验室从业者集体吐槽形成反差

norpadon 发布吐槽帖，对比 on-policy 蒸馏的论文叙事与实验室使用现实。论文称其优于直接 RL、信号更稠密，并可解决 credit assignment、提高样本效率；大量从事 AI 实验室 post-training 的一线从业者点赞并转发，被视为对技术落地落差的认同。