Jason Zhu
@GoSailGlobal
Show In Public ｜ SaaS 出海 ｜ Jev布道师
Skills hub：
博客：
🤝 合作DM：GoSail_AI
📮：m17551076169@gmail.com
MCN：collab@gosaillab.com
加入 May 2025
2.5K 正在关注 36.3K 粉丝
agent 训练，也能蒸蒸日上，大幅降低agent训练成本
微软这篇 ReOPD，专治 on-policy 蒸馏太贵
以前每更新一步，学生都得真去环境里跑一遍、再查一次老师，又慢又烧钱
环境越多，钱包越薄
新做法：老师轨迹采一次，存成离线「前缀」池，学生训练直接回放，全程不碰真实环境
一次蒸够，反复用
效果（Qwen3-4B 学 8B）：
· 数学+Python：45 → 53.7，每步快 4.2 倍
· 搜索：打平 OPD，每步快 9.1 倍
· 学生训练全程零工具调用
蒸的省钱（不是错别字）
🔗 HuggingFace 论文，链接：
显示更多
