待验证50% 置信事实精确时间
模型蒸馏（Model Distillation）是一种模型压缩与知识迁移技术，最早由Hinton等人在2015年提出。
1
来源数
50%
置信度
长期有效
时效性
2026/10/24
首次发现
来源
OpenCode遭大规模攻击：蒸馏攻击与AI安全新税
youtubeThe PrimeTime2026/10/24
涉及实体
相关事实
已验证模型蒸馏（Knowledge Distillation）是将大型模型的知识迁移至小型轻量模型的技术，可在参数量缩减数十倍的同时保留大部分性能76% 相似待验证知识蒸馏（Knowledge Distillation）由Hinton等人在2015年系统提出，核心思想是用大模型的输出概率分布指导小模型训练74% 相似已验证模型蒸馏（Model Distillation）在机器学习领域指用大型教师模型的输出训练小型学生模型，以压缩模型规模同时保留能力73% 相似待验证模型蒸馏（Model Distillation）是用一个强大模型的输出作为训练数据来训练另一个模型，主流模型服务条款普遍禁止将API输出用于训练竞品模型72% 相似已验证模型蒸馏（Knowledge Distillation）最初由 Hinton 等人于2015年提出，核心思想是让小模型学习大模型的软标签而非硬标签71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1092634API
curl https://kongchang.com/api/v1/knowledge/claims/1092634MCP
get_claim(id=1092634)