Фото: Сергей Бобылев / РИА Новости
蒸馏是模仿，学强模型的输出，把它的「答案形状」复制过来；RL 是探索，模型必须大量自己推理、自己生成、在错误里反复迭代，从试错中提炼能力。，推荐阅读Line官方版本下载获取更多信息
Translate instantly to 26 languages，更多细节参见搜狗输入法2026
Мерц резко сменил риторику во время встречи в КитаеSpiegel: Мерц в КНР заговорил о сотрудничестве и забыл про критику