论文 ·2026年8月17日 · 约 1 分钟读完 ·arxiv.org 在线策略蒸馏仅提升采样效率未扩张模型推理边界 上交等机构研究,蒸馏后模型在大采样预算下追平甚至反超原模型,仅优化正确路径概率分布 A 原文来源 arxiv.org https://arxiv.org/abs/2608.11829 打开原文