刚刚，Thinking Machines Lab博客提出在策略蒸馏，Qwen被cue 38次（

1.刚刚晃了一下是地震了吗

刚刚，不发论文、爱发博客的 Thinking Machines Lab （以下简称 TML）再次更新，发布了一篇题为《在策略蒸馏》的博客在策略蒸馏（on-policy distillation）是一种将强化学习 (RL) 的纠错相关性与 SFT 的奖励密度相结合的训练方法。

2.刚刚地震最新消息今天

在将其用于数学推理和内部聊天助手时，TML 发现在策略蒸馏可以极低的成本超越其他方法该公司 CEO Mira Murati 表示，这种方法可用于小模型，使其具备强大的领域性能和持续学习能力。

3.刚刚发生特大新闻

值得注意的是，在这篇新博客中，TML 明确表示这项新成果受到了 Qwen 团队研究的启发，并且其实验过程中也大量用到了 Qwen3 系列模型事实上，在原英文博客中，「Qwen」这个关键词一共出现了 38 次之多！比小米 17 系列发布会雷总提到「苹果」的 37 次还多一次。

4.刚刚中央突然宣布重要消息一

作为一家明星创业公司，TML 的更新也吸引了广泛关注。有人总结其优势：

5.刚刚,西藏两地发生地震

更是有网友盛赞，TML 才是真 Open AI。

6.刚刚地震是哪里地震了

博客地址：https://thinkingmachines.ai/blog/on-policy-distillation/这篇博客的主要作者是 Thinking Machines Lab 研究者