已验证65% 置信事实精确时间
模型蒸馏（Knowledge Distillation）最初由 Hinton 等人于2015年提出，核心思想是让小模型学习大模型的软标签而非硬标签
3
来源数
65%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
阿里禁用Claude Code：隐形指纹与AI工具信任危机
bilibili链捕手ChainCatcher2026/7/4
相关事实
已验证知识蒸馏由Hinton等人于2015年提出，原指用大模型的软标签输出训练小模型84% 相似待验证模型蒸馏技术由Geoffrey Hinton团队于2015年提出，最初用于模型压缩，通过让学生模型拟合教师模型的软标签输出78% 相似待验证The core idea of knowledge distillation is to have the small model learn the probability distribution (soft labels) of the large model's outputs rather than just hard labels78% 相似待验证知识蒸馏（Knowledge Distillation）由Hinton等人在2015年系统提出，核心思想是用大模型的输出概率分布指导小模型训练77% 相似待验证模型蒸馏（Knowledge Distillation）是将大型模型的知识迁移至小型轻量模型的技术，可在参数量缩减数十倍的同时保留大部分性能76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488977API
curl https://kongchang.com/api/v1/knowledge/claims/488977MCP
get_claim(id=488977)