「蒸餾能讓中國追上」的辯論補上機制細節：蒸餾在教「人格」的階段有效，在長「能力」的階段難得多。

本篇出自 2026年7月23日 晨報

本報 7/22 期主線第 3 點寫過 Lambert 反駁流行蒸餾敘事的發言；今天他在播客長談裡把機制攤開：蒸餾（拿強模型的輸出當教材）確實用於監督微調階段，也就是模型「學禮貌、學人格」之處；但能力真正養成在強化學習階段，而那個階段蒸餾難得多——大型強化學習訓練要跑數千萬次嘗試（引 Thinking Machines 自述其近期一次訓練約 2,000 到 4,000 萬次），拿最強模型逐次打分「貴到瘋狂」且可能成為時間瓶頸。他也誠實承認未解之處：「就算給我魔法 API 拿到最強模型的推理過程，我不知道拿去微調自家模型會不會更聰明——這是最狂的未解研究問題之一」(Interconnects，07-22)。這條落在本報追蹤的一條路線之爭上：

本報 7/14 已裁的判讀（本期沿用、非今日新裁）：「買推理時的思考時間」與「蒸進小模型」按工作型態並存分化——開放性問題買思考，窄域高頻任務蒸小模。什麼會推翻它：蒸餾小模型在開放性任務追平前沿「買思考」模型，判讀作廢；反向若蒸餾模型在窄域外頻繁崩壞，蒸餾路線縮回。檢核期限 2027 年 7 月中。

同類最新

• 模型觀點 2026年7月27日 2 條來源

  Stanford 平攤評測法找到獨立第二證

  Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…

• 模型觀點 2026年7月27日 1 條來源

  Lambert「美版 DeepSeek」宣言查無第二源

  Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…

• 模型觀點 2026年7月26日 1 條來源

  為什麼模型愈練愈會解題、卻愈寫愈不像人？MIT 給了一個機制答案，也剛好解釋了人類專家資料為什麼還缺。

  目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…

• 模型觀點 2026年7月25日 1 條來源

  「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

  SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…