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。
"It's hard when the thing that brings you so much energy and drive is also the thing that's slowly destroying you," Manning says.，更多细节参见雷电模拟器官方版本下载
，这一点在搜狗输入法下载中也有详细论述
换言之，真正强大的模型，需要的从来不只是正确答案，而往往要靠模型自己摸索出来的解题路径，这是依靠蒸馏别人 API 的输出，得不到的东西。
The 'magical' blue flower changing farmers' fortunes in India，更多细节参见heLLoword翻译官方下载