当然，从法律层面来看，这两件事的性质完全不同。但不论怎样，Anthropic 看起来还是很像个伪善的双标者。
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。
。爱思助手下载最新版本对此有专业解读
Additional reporting by Jack Gray。业内人士推荐51吃瓜作为进阶阅读
f(x)={x,x0αx,x≤0(α≈0.01)，这一点在服务器推荐中也有详细论述
友谊医院顺义院区今年已建成投用。北京市发改委供图