站内搜索

关键词：离线自我蒸馏

找到 1 篇相关文章

2026-07-15 02:55:30 0 阅读

30亿参数的 VibeThinker-3B，在数学、竞赛编程等可验证推理任务上进入多款前沿模型的性能区间。公开路线包含 SFT、多领域强化学习、离线自我蒸馏和最终 RL 指令微调；GRPO、训练卡时与复现成本仍缺少材料支