[控场AI]
待验证50% 置信基准精确时间

在相同且缩减的数据预算下(相对DeepSeek-R1蒸馏设置仅使用10%的SFT数据和5%的偏好数据),MLR在多个基础模型和任务上均优于基于SFT的蒸馏方法以及强RL/偏好优化基线。

1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至:2027/2/1

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1129346
API
curl https://kongchang.com/api/v1/knowledge/claims/1129346
MCP
get_claim(id=1129346)