待验证60% 置信事实精确时间
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
2
来源数
60%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
已验证知识蒸馏由Hinton等人于2015年提出，原指用大模型的软标签输出训练小模型84% 相似已验证模型蒸馏（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82% 相似待验证The core idea of knowledge distillation is to have the small model learn the probability distribution (soft labels) of the large model's outputs rather than just hard labels81% 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77% 相似待验证知识蒸馏在 LLM 推理能力迁移中，通常指用强模型生成的带思维链回答作为监督数据训练弱模型，DeepSeek-R1 的蒸馏系列即属此类。75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503643API
curl https://kongchang.com/api/v1/knowledge/claims/503643MCP
get_claim(id=503643)