已验证75% 置信解决方案精确时间

本实验采用轨迹级蒸馏，属于行为克隆范畴，直接让学生模型模仿教师模型的外在行为序列

5

来源数

75%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

微调4B小模型：浏览器任务准确率从22%飙升至63%

涉及实体

行为克隆concept 知识蒸馏concept

相关事实

已验证蒸馏技术让学生模型学习并复现教师的多步生成轨迹，将数百步的生成过程压缩到几步80% 相似已验证模型蒸馏是一种将大型教师模型能力迁移到更小学生模型的技术，可能被用于扩散危险能力79% 相似待验证策略内蒸馏（on-policy distillation）让学生模型先自己生成轨迹，再由教师模型对这些路径提供监督信号，从而避免离线数据与学生行为之间的分布偏移。79% 相似待验证端点式策略蒸馏方法将教师模型RL训练前后log概率差值作为监督信号，施加在学生模型自己生成的轨迹上。78% 相似待验证策略蒸馏通常指用一个学生策略去模仿一个或多个教师策略的行为。77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/869736

API

curl https://kongchang.com/api/v1/knowledge/claims/869736

MCP

get_claim(id=869736)