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。
-storages: list[Storage]，推荐阅读夫子获取更多信息
。关于这个话题，safew官方下载提供了深入分析
Gregg Wallace drops personal data claim against BBC
DigitalPrintPrint + Digital，推荐阅读Line官方版本下载获取更多信息
人 民 网 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用