待验证50% 置信概念精确时间

策略蒸馏通常指用一个学生策略去模仿一个或多个教师策略的行为。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

百万并行环境下的探索瓶颈：Success Guided Sampling 如何让机器人 RL 真正 Scale

涉及实体

策略蒸馏concept

相关事实

已验证本实验采用轨迹级蒸馏，属于行为克隆范畴，直接让学生模型模仿教师模型的外在行为序列77% 相似待验证策略内蒸馏（on-policy distillation）让学生模型先自己生成轨迹，再由教师模型对这些路径提供监督信号，从而避免离线数据与学生行为之间的分布偏移。74% 相似已验证模型蒸馏是一种将大型教师模型能力迁移到更小学生模型的技术，可能被用于扩散危险能力73% 相似已验证蒸馏技术让学生模型学习并复现教师的多步生成轨迹，将数百步的生成过程压缩到几步72% 相似待验证模型蒸馏是指通过大量查询目标模型、收集其输入输出对，进而训练出能力相近的学生模型69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1013256

API

curl https://kongchang.com/api/v1/knowledge/claims/1013256

MCP

get_claim(id=1013256)