从业者吐槽论文与实践落差

AI 实验室 post-training 从业者 norpadon 发帖对比 on-policy 蒸馏的论文叙事与实际使用体验，称论文宣称该方法优于直接强化学习、信号更稠密，并能改善 credit assignment、提高样本效率，但这些优势尚未充分转化为实验室使用中的效果。 该帖获得大量一线从业者点赞、转发，反映出部分用户认同其对论文与实践落差的吐槽；目前结论仅是这种反差在从业者中引发共鸣，并非该方法已被证明无效。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。