蒸馏是模仿，学强模型的输出，把它的「答案形状」复制过来；RL 是探索，模型必须大量自己推理、自己生成、在错误里反复迭代，从试错中提炼能力。
Nature, Published online: 25 February 2026; doi:10.1038/d41586-026-00132-8，这一点在91视频中也有详细论述
。业内人士推荐搜狗输入法下载作为进阶阅读
接下來一年，麥肯齊將在劍橋的南極考察局總部工作，但他過去曾在南極過冬。「冬天來臨時，大多數人離開，你會感到一種難以形容的自由感。」他說。。51吃瓜是该领域的重要参考
"It's a period where the history is not yet written," says Dr Seaman.