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。
人們嘗試過各種奇葩策略，試圖從大型語言模型（LLM，ChatGPT等工具背後的AI技術）中獲得更好的回饋。有些人深信，威脅AI能讓它表現得更好；另一些人認為，禮貌待人會讓聊天機器人更配合；還有些人甚至要求機器人扮演某個研究領域的專家來回答問題。這樣的例子不勝枚舉。這都是圍繞著「提示工程」或「情境工程」——即建構指令以使AI提供更佳結果的不同方法——所形成的迷思的一部分。但事實是：專家告訴我，許多被廣泛接受的提示技巧根本不起作用，有些甚至可能是危險的。但是，你與AI的溝通方式確實至關重要，某些技巧真的能帶來差異。，推荐阅读heLLoword翻译官方下载获取更多信息
。关于这个话题，safew官方版本下载提供了深入分析
“省市县乡领导班子将陆续换届，强调政绩观也很有针对性。”在开局之年的“第一课”上，习近平总书记道出了树立和践行正确政绩观的另一层深远考量。
1L decoder, d=7, 1h, ff=14。夫子对此有专业解读