AI圈报论文研究普通
Baseten Base Labs 实验研究蒸馏何时有助于强化学习
原始标题：When does distillation help reinforcement learning？
内容摘要
Baseten Base Labs 发布研究，用 Qwen3 的 0.6B、1.7B、4B、8B 模型比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL，覆盖十六个推理任务。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源Baseten Base Labs：模型研究
站内情报编号intel-f4c3e762b45a58820155ba3d