清华团队再探 On-Policy Distillation：数据撑死，算法饿死
清华团队再探 On-Policy Distillation：数据撑死，算法饿死把 On-Policy Distillation（在线策略蒸馏，OPD）的训练集从 17000 道题删到 1 道，会发生什么？
来自主题: AI技术研报
10013 点击 2026-09-16 10:06
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
把 On-Policy Distillation（在线策略蒸馏，OPD）的训练集从 17000 道题删到 1 道，会发生什么？
成立才一个多月，估值就要冲到 500 亿美元。
小宇宙想要「强而久」。
“在 MBZUAI 读研，是世界上最好的工作。”
多轮智能体任务只有一个终点奖励，但在一条包含搜索、工具调用和多轮决策的轨迹里，决定成败的往往是一个不起眼的查询词、动作或对象选择。
最强的 AI 模型，正在遭遇一批最有钱的大客户设限。
静态互联网数据的增长红利，见顶了。
近日，中国金融AI领跑者讯兔科技正式完成超3亿元人民币B轮融资。至此，公司在过去一年内已连续完成三轮融资。
今天的AI Agent，已经不只是聊天窗口里「会说话」的模型。它们正在接入浏览器、文件系统、终端、API、MCP服务和各种自动化工作流，开始真正替用户执行任务。
说AI毁了数学，可能还是太小瞧AI了。