IXThinker·2026-04-10 12:40

蘋果團隊自蒸餾方法 免強化學習進化

蘋果研究團隊提出「簡單自蒸餾」方法，以特定溫度與截斷配置從模型自身採樣解法，直接以未經驗證樣本進行監督微調，毋須額外標註、外部教師或複雜強化學習流程，令編程模型實現自我進化。

繞過強化學習

大模型代碼能力提升長期受制於高質量數據稀缺、教師模型上限及強化學習流程複雜、穩定性不足等問題。新方法直接從模型自身採樣解決方案，跳過驗證與獎勵建模環節，簡化訓練範式。