返回全部题目← 上一题13 / 32下一题 →题库/模型训练与对齐/Q-18240On-Policy 蒸馏与强化学习有什么区别，怎样判断学生能否超过教师？知识专题：蒸馏与模型合并题目类型：比较选型技术难度：进阶相关面经：2 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经2 篇阿里巴巴2026-07-23面经合集社招查看原面经 →### 12. 在线on-policy蒸馏和强化学习有什么区别，哪种更容易突破教师模型性能上限？阿里巴巴Agent 算法工程师2026-07-22社招一面查看原面经 →在线on-policy蒸馏和强化学习有什么区别，哪种更容易突破教师模型性能上限？相关题目4 题0084蒸馏受限时，如何选择后训练方法提升模型能力？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0347项目中的模型蒸馏具体如何实现？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：3 篇12734蒸馏 Rerank 模型时，训练数据怎样组织和构建？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇13964如何在训练时利用 CoT，推理时只输出答案，并检验准确率是否保持？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题为什么在大模型后训练中采用 On-Policy Distillation，和直接强化学习怎样取舍？下一题 →实习中的轨迹蒸馏具体如何实现？
